机器学习驱动的薄化焊接银纳米线智能压力与湿度传感技术研究

这篇综述创新性地提出通过盐酸后处理策略优化银纳米线（AgNWs）的微观结构，同步提升其电学与光学性能。研究展示了薄化焊接的AgNWs网络在柔性透明电极中的卓越表现（透光率提升至76.7%，方阻2.6 Ω sq-1），并构建了集成机器学习（SVM模型，准确率94.5%）的智能传感系统，实现了手指按压识别、摩尔斯电码解码、呼吸模式监测及语音识别等多模态应用，为柔性可穿戴电子（IoT）和健康监测提供了新范式。

　　

Abstract

研究团队开发了一种通过精确调控银纳米线（AgNWs）微观结构同步提升其电学和光学性能的创新策略。通过选择性蚀刻实现纳米线薄化（直径从147 nm降至82 nm），同时保留焊接结构和导电网络完整性，使透光率从62.6%提升至76.7%，方阻降至2.6 Ω sq^-1。改性AgNWs构建的压力传感器灵敏度显著优于原始材料，结合支持向量机（SVM）模型可实现手指按压行为识别（准确率94.5%）及摩尔斯电码字母分类。集成氧化石墨烯（GO）湿度敏感层后，该器件能识别呼吸模式（正常/深呼吸/运动后呼吸）并通过发音特征实现语音分类（100%准确率）。

Graphical Abstract

图文摘要展示了通过形态工程制备薄化焊接AgNWs的过程，其薄膜表现出增强的光电热机械性能。机器学习赋能的传感器可精准识别手指按压、监测呼吸及语音特征。

1 Introduction

柔性可穿戴设备在物联网（IoT）和健康监测领域需求激增，而AgNWs因其高导电性和透光性成为透明电极的理想候选。但原始AgNWs存在聚合物包覆导致的接触不良问题。现有焊接方法（如光诱导等离子体共振、热退火等）需复杂设备且难以兼顾多性能优化。本研究提出酸性溶液处理新策略，通过可控蚀刻与焊接同步实现性能突破，并结合机器学习拓展智能应用场景。

2 Results and Discussion

形态学分析显示，HCl处理8-40小时后AgNWs直径逐渐减小，XRD证实（111）晶面优先蚀刻。适度处理（24-32小时）的样品表现出最佳性能：

• •

  电学性能：COMSOL模拟显示焊接结构降低接触电阻，电压稳定性提升（耐受10V电压达>200°C）

• •

  机械性能：万次弯曲测试（半径2.5 mm）后电阻变化<200%，优于原始样品

• •

  传感应用：压力传感器通过接触电阻变化识别不同手指按压特征（拇指窄峰/中指宽峰/无名指最高ΔR）；湿度传感器基于GO膜羟基（-OH，3150 cm^-1）吸水/脱水实现呼吸模式区分（正常呼吸ΔR 55%/深呼吸68%）

机器学习分析采用SVM核模型，80次迭代后分类准确率达94.5%。摩尔斯电码识别通过分析26个字母的独特电阻模式实现，语音识别则利用爆破音（如"p"/"k"）产生的湿度尖峰特征。

3 Conclusion

该工作通过盐酸处理精准调控AgNWs微观结构，结合机器学习实现了多模态智能传感。未来将扩展数据集验证跨用户适用性，并评估传感器长期稳定性。

4 Experimental Section

AgNWs通过乙二醇法制备，HCl（1 M）处理优化后真空过滤成膜。压力传感器采用PDMS夹层结构，湿度传感器通过滴涂GO溶液（0.5 mg mL^-1）制备。表征涉及SEM/TEM/XRD/FTIR等技术，机器学习采用MATLAB分类学习器工具包进行10折交叉验证。

Acknowledgements

感谢澳大利亚研究理事会（DP210100879等）的资助。