Real-time Visual Monitoring of Triboelectric Nanogenerators Enabled by Deep Learning
作者：Huiya Zhang, Tao Liu, Xuelian Zou, Yunpeng Zhu, Mingchao Chi, Di Wu, Keyang Jiang, Sijia Zhu, Wen
關(guān)鍵字：Triboelectric nanogeneratorDeep learningSelf-powered sensingReal-time monitoring
論文來源：期刊
具體來源：https://doi.org/10.1016/j.nanoen.2024.110186
發(fā)表時(shí)間：2024年
智能傳感器和邏輯算法的快速發(fā)展推動(dòng)了物聯(lián)網(wǎng)(IoT)的廣泛采用，加速了智能時(shí)代的到來。摩擦電納米發(fā)電機(jī)(TENG)傳感器與深度學(xué)習(xí)(DL)的集成利用了TENG的獨(dú)特優(yōu)勢，如自供電傳感、高靈敏度和廣泛的適用性，以及DL強(qiáng)大的數(shù)據(jù)處理能力，可以有效、高效和直觀地監(jiān)測各種相關(guān)信號。這種融合表現(xiàn)出顯著優(yōu)越的傳感性能和巨大的發(fā)展?jié)摿Γ谥悄芗揖印⑨t(yī)療保健系統(tǒng)、環(huán)境監(jiān)測等領(lǐng)域有著廣泛的應(yīng)用。目前，整合這兩種技術(shù)的協(xié)同工作原理還沒有得到充分的闡明。本文綜述了旨在增強(qiáng)TENG實(shí)時(shí)視覺監(jiān)測的前沿DL技術(shù)和相關(guān)研究的全面概述。具體來說，它側(cè)重于深度學(xué)習(xí)算法，如卷積神經(jīng)網(wǎng)絡(luò)(CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(RNN)和長短期記憶(LSTM)，用于處理復(fù)雜的teng生成的數(shù)據(jù)集。此外，本文概述了DL與TENG傳感器集成的優(yōu)勢和協(xié)同機(jī)制，并全面總結(jié)了它們在需要實(shí)時(shí)數(shù)據(jù)視覺監(jiān)測的各個(gè)領(lǐng)域的最新應(yīng)用。最后，分析了信息化與數(shù)字化融合發(fā)展的前景、挑戰(zhàn)和對策，為今后該領(lǐng)域的發(fā)展提供了全面的理論基礎(chǔ)和實(shí)踐指導(dǎo)。