随着个性化睡眠医学和家庭健康监测的快速发展，长期呼吸追踪所需的舒适、可靠、耐用传感器的缺乏成为制约其进步的关键瓶颈。本文，岭南师范大学陈小军等在《ACS Applied Materials & Interfaces》期刊发表名为“3D‑Printed Conductive Aerogel Humidity Sensor for Advanced Wearable Sleep and Health Monitoring”的论文，研究提出了一种冷冻干燥辅助直写（DIW）3D打印策略，用于制备基于聚乙烯醇/纳米纤维素/石墨烯/多壁碳纳米管（PVA/CNF/Gr/MWCNTs，PCGM）复合气凝胶的柔性湿度传感器。该传感器具有分层多孔导电结构，通过PVA基质与纳米纤维素的增强、石墨烯的高导电性以及碳纳米管的三维网络协同作用，实现了高灵敏度、快速响应/恢复时间和优异的稳定性。传感器可准确区分不同睡眠姿势和呼吸模式（如正常、打鼾、咳嗽），并结合深度卷积神经网络（ResNet）实现了高精度模式识别，呼吸状态分类准确率达100%，语音识别分类准确率达97%。该工作为下一代高性能可穿戴健康监测和人机交互系统提供了一种集成策略。
图1. Schematic diagram illustrating the 3D-printed humidity sensor and its application.
在本研究中，利用冻干辅助的直接墨水书写3D打印技术，开发了一种基于多孔PCGM复合导电气凝胶的柔性湿度传感器。研究结果证实，氢键作用与π–π共轭作用的协同效应在增强界面稳定性和吸水能力方面发挥了重要作用，从而使该传感器在宽湿度范围内（11–98% RH）具备高灵敏度、快速响应和卓越的稳定性。在1 kHz的工作频率下，该传感器实现了4.82/%RH的高灵敏度，响应时间和恢复时间分别为16.2秒和25.7秒，同时在30天内保持了稳定的电学性能。值得注意的是，该传感器能准确识别多种呼吸模式（如正常、急促、口/鼻呼吸）、睡眠状态（如正常、打鼾、感冒）以及语音特征。当与深度卷积神经网络集成时，所提出的系统在呼吸状态识别中实现了100%的分类准确率，在语音识别中实现了97%的分类准确率。此外，该传感器在非接触式湿度检测和语音识别方面展现出巨大潜力。这些研究成果为设计高性能柔性湿度传感器提供了一种可行的跨尺度结构调控策略，并为先进的可穿戴健康监测和智能人机交互界面提供了极具前景的设计方案。
文献：https://doi.org/10.1021/acsami.6c01464
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。
