一张图像即可进行笔迹鉴定…UNIST与首尔大学开发出全球首个光学触觉传感器

联合研究团队开发仿皮肤触觉结构高分辨率高分子-发光材料复合传感器

从指纹、盲文识别到笔迹鉴定…论文发表于《Nature Communications》

一种被视为下一代生物识别技术的光学触觉传感器已被开发出来。

该传感器突破了传统光学传感器的局限，仅凭一张图像就能分析动态力，有望广泛应用于笔迹鉴定、表面分析、防伪等多个领域。

UNIST（校长 Park Jongrae）能源化学工程系的 Lee Jiseok、Ko Hyunhyeop、Kim Donghyeok 教授与首尔大学 Kim Jeonguk 教授组成的联合研究团队，开发出可实时分析运动触摸信号的光学触觉传感器。

以往的传感器只能测量静态力，而研究团队实现了可将静态力与动态力分离并加以分析的技术。尤其是在笔迹鉴定领域，该技术能够将书写速度和压力变化可视化，并通过机器学习分析实现个体识别，开启了新的可能性。

这项技术的核心在于上转换纳米颗粒。利用这一材料，可以高分辨率测量动态力，并通过吸收近红外光，精准感知来自外部的作用力。

研究团队应用机器学习技术，对传感器采集的数据进行更加精细的分析。通过机器学习算法，从动态触摸信号中分离出垂直压力与摩擦剪切力，并准确识别力的方向。同时利用有限元分析（Finite Element Analysis，FEA）验证了传感器内部力传递路径及信号变化的合理性。

传感器结构仿照人体皮肤的感受器结构，对力进行放大。仅凭单一光学图像，即可同时区分垂直压力和摩擦剪切力。它能够检测到轻触物体时产生的0.05牛顿这一极微小的力，并表现出9.12毫秒的快速响应速度。

该传感器不仅可用于书写，还可应用于指纹识别、盲文识别等多个领域。研究团队已将这一传感器应用于将盲文转换为语音的系统，并展示了动态生物识别系统和防伪应用程序。

Lee Jiseok 教授表示：“这是首个仿照皮肤感受器结构，同时将静态压力与动态摩擦力可视化，并通过机器学习将两种力分离并实现实时分析的研究。与传统材料相比，上转换纳米颗粒成本更低、噪声更小、信号更清晰。”

第一作者研究员 Son Changil 强调：“即便采用这种简单的传感器结构，未来也极有可能被用作高灵敏度笔迹检测等动态压力定量化传感器。”共同第一作者研究员 Ryu Chaeyeong 也表达了期待：“这将有助于开发可应用于机器人领域的人工智能学习型传感器。”

该研究成果已于9月12日发表在国际知名学术期刊《Nature Communications》上。研究获得三星未来技术培育项目及韩国研究财团的资助。