可穿戴柔性传感器在运动分析、人机交互和健康监测等领域具有重要意义。然而，现有柔性传感器在灵敏度、耐用性与智能化集成方面仍存在不足，难以满足复杂运动场景下高精度动作识别的需求。本文，广东工业大学物理与光电工程学院唐振华副教授等在《Journal of Materials Chemistry C》期刊发表题为”A Wearable and Flexible Sensor Based on Laser-Induced Graphene/Kevlar as a Smart Glove for Table Tennis Gesture Recognition and Training”的研究论文。研究以聚酰亚胺/针织凯夫拉（PI/Kevlar）复合织物为基底，通过激光直写技术在PI/Kevlar表面原位制备多孔激光诱导石墨烯（LIG），构建了高性能柔性压阻传感器。
该LIG(PI)/Kevlar传感器展现出高达1.4 kPa⁻¹的压阻灵敏度和47.83的应变因子（GF），并在1000次以上循环中保持稳定输出。更为重要的是，研究将该传感器集成于智能手套系统，结合一维卷积神经网络（1D-CNN），实现了四种乒乓球基本动作（正手攻球、反手推挡、正手搓球、反手搓球）的高精度识别，平均识别准确率达92.5%，为运动训练的定量分析与技能评估提供了全新工具。
本研究提出了一种基于激光诱导石墨烯/凯夫拉（LIG/Kevlar）的高性能柔性传感器，通过CO₂激光直写技术在PI/Kevlar复合织物上原位构建三维多孔石墨烯网络，实现了优异的压阻灵敏度和机械稳定性。研究将该传感器集成于智能手套系统，结合1D-CNN深度学习算法，成功实现了乒乓球四种基本动作的高精度识别（92.5%），为运动训练的定量分析与技术优化提供了智能化的全新解决方案。
文献：https://doi.org/10.1039/D5TC04555J
本文来自材料分析与应用，本文观点不代表石墨烯网立场，转载请联系原作者。
