基于光纤技术的可穿戴力肌成像系统：实现高灵敏度人机交互的创新突破

这篇综述推荐一款基于塑料光纤（POF）的新型可穿戴力肌成像（FMG）系统，通过控制光纤-聚合物接触面光损耗实现微牛顿级力检测（灵敏度2.99 V/N），具有抗电磁干扰（EMI）、耐汗液等生物环境干扰特性。系统集成4个传感器，在12种手势识别中达87.67%准确率，并能连续追踪手指关节角度，为人机交互（HRI）、康复医疗等领域提供高性价比解决方案。

　　

2 光纤基FMG传感器

2.1 工作原理

该系统核心创新在于利用塑料光纤（POF）弯曲时全内反射（TIR）破坏的特性：当肌肉收缩压迫聚合物层接触弯曲POF时，光从纤芯泄漏至高折射率聚合物（n≈1.41），通过测量光强损耗实现力检测。COMSOL仿真显示，最优参数为3次编织和0.5 mm弯曲半径（R_b），此时灵敏度与信噪比（SNR）达到平衡。

2.2 传感器设计

采用热塑性聚氨酯（TPU 95A）基底和Ecoflex 00-30聚合物涂层，通过热退火工艺固定250 μm直径POF的编织结构。这种设计无需光纤直接变形，仅通过接触面积调控光损耗，避免机械疲劳。实验证实其可检测1 gf（9.8 mN）微小力，脉冲波形特征（收缩峰、重搏波）清晰可辨。

2.3 性能验证

在10,000次循环测试中信号漂移仅3.18%，滞后低至3.60-8.17%。动态范围覆盖1-100 gf，最大灵敏度2.99 V/N，优于传统电阻式（≈100 mN阈值）和电容式FMG传感器（表1）。在8 Hz高频下仍保持稳定，满足上肢运动监测需求。

3 可穿戴FMG系统

3.1 系统架构

集成4个传感器的袖套式装置仅重39×60 mm，采用微型光反射器（MTRS6660D）和蓝牙低功耗（BLE）传输，端到端延迟35 ms。传感器布局覆盖前臂关键肌群区域，通过LSTM模型处理时序信号。

3.2 手势识别

12种手势（图4c）分类测试显示，独立训练模型准确率87.67%，但跨用户测试降至70.83%，反映个体解剖差异。t-SNE可视化证实不同手势形成明确聚类，而用户间存在子群分布。

3.3 关节角度追踪

全手开合运动时指关节角度估计均方根误差（RMSE）5.6°，单食指运动误差增至11.1°。实时操控机器人手（uHand）完成抓取网球、比划剪刀等动作，验证了功能实用性（图5f）。

4 应用前景与局限

该技术为工业环境（抗EMI）、医疗场景（耐汗液）提供新方案，但需解决多指运动解耦、接触压力敏感性等问题。未来可通过高密度阵列和CNN-LSTM混合模型提升性能，推动其在神经康复、远程手术等领域的应用。

（注：全文严格依据原文数据，未添加非文献支持结论）