近年来，柔性压力传感器在医疗检测和人机交互领域获得了广泛的应用，其中诸多应用场景往往需要大面积的传感阵列以准确感知空间压力分布。当前，快速制备大面积、高分辨率、宽检测范围、低串扰的柔性压力传感阵列（PSA, pressure sensing array），仍是一项重大挑战。

近日，山东大学李阳教授&青岛大学李元岳、姚钊副教授团队在期刊《Materials & Design》上发表了最新研究成果“Fabrication of high-resolution, wide-range and low-crosstalk capacitive pressure sensing array for medical diagnosis”，论文的第一作者为青岛大学电子信息学院硕士生董树恒和郭德栋，通讯作者为李阳教授、李元岳和姚钊副教授。

研究者利用UV光掩膜照射电纺PVP纳米纤维膜（NM, nanofiber membrane），使照射区域由水溶性PVP NM转变为不溶于水的PVPP NM，再使用H₃PO₄溶液冲洗以快速制备多个介电单元，并将其与激光诱导石墨烯（LIG, laser-induced graphene）电极阵列组装成柔性电容式PSA。该制备方法与传统方式相比，一方面减少了制备传感单元的机械性重复工作，另一方面也解决了传统阵列的单元串扰问题。此外，研究者通过将该PSA与嵌入式系统相结合，并且利用卷积神经网络（CNN）算法，开发了一种人体足弓形态检测系统，该系统在医疗辅助方面显示出巨大的应用潜力。

图1. (a) PSA的制作工艺流程：I. 激光雕刻，Ⅱ. 静电纺丝，Ⅲ. 图案化UV光照，Ⅳ. 待冲洗的介电层，V. H₃PO₄溶液冲洗，Ⅵ. PSA组装；(b) PSA的传感单元结构示意图；(c) 未冲洗的PVPP NM的SEM图像；(d) 去离子水冲洗的PVPP NM的SEM图像；(e) PVP NM和PVPP NM的FTIR光谱；(f) PVP NM和PVPP NM的水滴接触角；(g) 经图案化UV光处理及去离子水冲洗后的PVPP NM；(h) 用60 mg/ml H₃PO₄溶液冲洗的PVPP NM的SEM图像；(i) h中方形区域的元素分布图；(j) LIG的SEM图像；(k) LIG的TEM图像；(l) LIG的选区电子衍射图像；(m) LIG的拉曼光谱图。

如图1所示，研究者通过在特定位置上利用激光刻蚀PI薄膜制备了LIG下电极阵列；在电极阵列基础上通过静电纺丝覆盖一层PVP NM，再利用特定图案化的UV光掩膜照射使PVP NM在电极单元对应位置改性为PVPP NM，并利用H₃PO₄溶液冲洗NM以获得独立的介电单元；最后覆盖上上电极阵列组装成柔性电容式PSA。该方法在提升阵列制备速度以及解决单元串扰问题上均具有很大的进步。

图 2. (a) 传感器1-6在0-200 kPa压强下的电容响应；(b) 五个传感器在不同压强范围内的灵敏度S值；(c) 传感器5在4、10、32、100 kPa压强下的电容响应；(d，e) 存在负载状态下水滴产生的微小压力引起的电容变化；(f) 传感器5在1 kPa时的响应和恢复时间；(g) 传感器5检测限测试；(h) 传感器5在165 kPa下的循环稳定性试验。

如图2所示，基于H₃PO₄@PVPP介电层和LIG电极的电容式压力传感单元在宽检测范围内具有高灵敏度（0.238 kPa^-1@0–3 kPa，0.148 kPa^-1@3–100 kPa，0.043 kPa^-1@100–200 kPa)，以及快速响应/恢复时间（24/41 ms）、低检测限（~1.2 Pa）和高稳定性（约4000次）。此外，研究者结合有限元仿真对传感机理进行了分析验证（图3）。

图3. (a) 利用UV光照和H3PO4溶液冲洗使PVP NM产生物理交联和表面改性的示意图；(b) LIG电极和H₃PO₄@PVPP NM介电层组成的传感单元在加载过程中的传感机制；(c) 电极与介电层之间的离子聚集示意图；(d) 基于双电层（EDL, electric double–layer）效应的传感器等效电路模型；(e, f) 加载前后传感器1′和传感器2′的应力分布有限元仿真结果；(g) 加载前后传感器3′内部离子浓度变化的有限元仿真结果。

如图4所示，基于所制备的高分辨率（10 × 10）、低串扰（~1.3%）的PSA，研究者利用无线传输技术结合CNN算法，设计构建了一种人体足弓形态检测系统，该系统可以准确识别测试者的足弓高度（低足弓、正常足弓和高足弓）。

图4. (a, b) 基于共享介电层和独立介电单元的传感阵列的串扰分析；(c) 足弓形态检测系统；(d) 系统中PSA和PCB的放大图；(e) 测试系统构建的原理图；(f) 低、正常、高足弓的电容映射结果；(g) 足弓检测系统的CNN模型框架；(h) I. CNN分类结果的混淆矩阵，Ⅱ. 三种不同足弓类型（高、正常、低）对应数据的PCA可视化结果。

综上所述，研究者利用激光刻蚀、静电纺丝、图案化UV光交联和溶液修饰等方法，将H₃PO₄@PVPP NM介电单元与LIG电极阵列相结合，实现了高分辨率、宽检测范围、低串扰特性的柔性电容式PSA的快速制备，所制备的PSA展现出优异的传感性能，在此基础上研究者开发了一种基于CNN深度学习模型的人体足弓形态检测系统，该系统的识别准确率高达100%。本研究开发的PSA在人体医疗健康和智能人机交互领域显示出广阔的应用前景。

论文链接：https://doi.org/10.1016/j.matdes.2023.112439