Liquid–Metal-Superlyophilic and Conductivity–Strain-Enhancing Scaffold for Permeable Superelastic Conductors

https://doi.org/10.1002/adfm.202105587

该研究报道了一种新型基于LM的超弹性导体。我们制造了高度可拉伸的LM-超亲水纤维，它允许LM的高质量负载，并具有导电性/应变增强功能。与 LM 颗粒用作不连续填充物的传统复合结构不同，或将 LM 打印在弹性基板顶部的双层结构不同，LM-超亲水纤维在其 3D 空间中容纳大量 LM，具有很强的毛细管力，并与 LM 形成双连续相。拉伸后，复合材料的导电性增加，因为LM更好地注入毛细血管，从而增强导电通路。电导率的增加平衡了几何变化对电阻的负面影响。因此，3D LM-超亲水可拉伸纤维同时解决了高拉伸应变的耐织性、质量负荷、导电性和稳定性方面的挑战。该研究证明，新型导电复合材料的导电性为 155，900 S cm^-1，在220000周期的拉伸释放测试后，超高拉伸应变为2500%，边际阻力变化小于25%。结合印刷技术，还演示了导电复合材料的图案，用于高渗透性和超弹性拉伸电子器件的应用。

Portable Food-Freshness Prediction Platform Based on Colorimetric Barcode Combinatorics and Deep Convolutional Neural Networks

https://doi.org/10.1002/adma.202004805

作者集成了彩色条形码组合体与深汇体神经网络（DCN），以形成一个系统，同时提供气味指纹和智能指纹识别。作者使用深色嗅觉条形码，自动筛选不同类型的肉类的新鲜度。彩色条形码由20种不同类型的多孔纳米复合物组成，这些纳米复合物由嵌入在醋酸纤维素（CA）上的染料加载的壳聚糖纳米颗粒（CNP-Dye）组成。条形码中的卤色染料根据气体的类型和浓度进行交叉反应，形成使用 DCNN 识别的气味指纹（以彩色条形码的形式）。使用全监督培训技术和 3475 标记条形码图像作为培训来源，获得了 DCNN，预测肉类新鲜度，总体准确度为 98.5%。将 DCNN 整合到智能手机软件中，用户只需扫描条形码即可识别 30s 以内肉类的新鲜度。该系统快速、自动化、准确且无损。由于该系统采用常见的可生物降解和生物相容材料，在典型的食品包装条件下进行研究，因此适用于食品供应链沿线的任何地方，以便实时监测食品新鲜度。

Hand Gesture Recognition Using EGaIn-Silicone Soft Sensors

https://www.mdpi.com/1424-8220/21/9/3204

在这项研究中利用EGaIn硅胶传感器是由橡胶成型和铸造以及液态金属注入方法制造的。EGaIn-硅胶传感器表现出一定程度的非线性和滞后性特征，但随着应用单轴应变沿传感器的纵向方向增加，电阻逐渐增强，以此作为传感基础。开发了嵌入了拟议软传感器的织物数据手套。为了评估拟议数据手套的性能，招募了15名受试者，并测试了12个静态手势。通过收集的手势数据集，手势识别中数据手套的性能由 6 个传统机器学习分类器决定：K-最近的邻居、支持矢量机、线性鉴别分析 （LDA）、随机森林 （RF）、天真贝叶和四分线歧视分析。LDA 显示的准确性最低（87.4% ± 5.6%），RF 显示的准确性最高（97.3% ± 2.4%）。由于制备的软微通道传感器具有非线性，LDA 的精度似乎有所降低。然而，其他传统的机器学习分类器能够克服传感器的非线性特性。这表明，不需要高计算深度学习技术来通过建议的传感器对手势进行分类。尽管在对手势#2（手靠近）和手势#8（Num 5，竖起大拇指）等类似手势进行分类时仍然存在性能退化，但使用建议的数据手套的识别系统显示其他手势的声音分类准确性。在今后的工作中，通过开发一个以数学方式描述软传感器非线性行为的封闭式方程，可以提高简单线性分类方法的分类精度。