پژوهشگران MIT با استفاده از یک فرآیند ساخت جدید، منسوجات هوشمندی تولید کرده‌اند که به خوبی با بدن منطبق است و می‌تواند وضعیت و حرکات کاربر را تشخیص دهد. با مجله فناوریهای تون‌افزا و هوشمند همراه باشید.
جاسازی حسگرها در پارچه
پژوهشگران با ترکیب نوع خاصی از نخ پلاستیکی و استفاده از گرما برای ذوب آن -فرآیندی به نام ترموفرمینگ – توانستند دقت حسگرهای فشار را بهبود بخشند، حسگرهایی که در منسوجات چند لایه بافته می‌شوند. این فرآیند ۳DKnITS نامیده می‌شود.
آنها از این فرآیند برای ایجاد یک کفش و تشک هوشمند استفاده کردند و سپس یک سامانه برای اندازه‌گیری و تفسیر داده‌های حسگرهای فشار ساختند. این سامانه یادگیری ماشینی حرکات یوگای انجام شده توسط فردی که روی تشک هوشمند ایستاده بود را با دقت ۹۹ درصد پیش‌بینی می‌کرد.
ایرماندی ویکاسونو، دستیار پژوهشی در آزمایشگاه رسانه MIT و نویسنده اصلی مقاله‌ای که ۳DKnITS را توصیف می‌کند، گفت: «این فرآیند ساخت، که از فناوری بافندگی دیجیتال بهره می‌برد، نمونه‌سازی سریع را امکان‌پذیر می‌کند و به راحتی می‌توان آن را برای تولید در مقیاس بزرگ افزایش داد».
کاربردها
این روش می‌تواند کاربردهای بسیاری به ویژه در مراقبت‌های بهداشتی و توانبخشی داشته باشد. برای نمونه، می‌توان از آن برای تولید کفش‌های هوشمندی استفاده کرد تا راه رفتن فردی را ردیابی کند که پس از آسیب دیدگی، دوباره راه رفتن را یاد می‌گیرد، یا جوراب‌هایی که فشار روی پای بیمار دیابتی را کنترل می‌کند تا از ایجاد زخم جلوگیری کند.
ویکاسونو می‌گوید: «با بافندگی دیجیتال، شما این آزادی را دارید که الگوهای خود را طراحی کنید و همچنین حسگرها را در خود ساختار یکپارچه کنید، بنابراین یکپارچه و راحت می‌شود و می‌توانید آن را بر اساس شکل بدن خود توسعه دهید.»
برخی از کارهای پیشگام اولیه روی پارچه‌های هوشمند در اواخر دهه ۹۰ در آزمایشگاه رسانه MIT اتفاق افتاد. مواد، وسایل الکترونیکی قابل جاسازی و ماشین‌های ساخت از آن زمان تاکنون پیشرفت بسیاری کرده‌اند. زمان بسیار خوبی برای بازگشت پژوهش‌ها به این زمینه است.
دانش بافندگی
پژوهشگران برای تولید منسوجات هوشمند، از یک ماشین بافندگی دیجیتال استفاده میکنند که لایه‌های پارچه را با ردیف‌هایی از نخ استاندارد و کاربردی به هم می‌بافد. منسوجات بافتنی چندلایه از دو لایه نخ رسانا تشکیل شده است که در اطراف یک نخ پیزومقاومتی پیچیده می‌شوند، که هنگام فشرده شدن مقاومت آن تغییر می‌کند. ماشین با پیروی از یک الگو، این نخ کاربردی را در سراسر منسوجات در ردیف‌های افقی و عمودی می‌بافد. جایی که الیاف‌های عملکردی تلاقی کنند، یک حسگر فشار ایجاد می‌شود.
اما نخ نرم و منعطف است، بنابراین لایه‌ها تغییر میکنند و هنگام حرکت کاربر روی یکدیگر ساییده می‌شوند. این موجب ایجاد نویز و تغییرپذیری می‌شود که دقت حسگرهای فشار را بسیار کمتر می‌کند.
ویکاسونو هنگام کار در یک کارخانه بافندگی در شنژن چین، راهکاری برای این مشکل پیدا کرد، جایی که یک ماه را صرف یادگیری برنامه‌نویسی و نگهداری از ماشین‌های بافندگی دیجیتال کرد. او کارگرانی را تماشا می‌کرد که با استفاده از نخ‌های ترموپلاستیک کفش‌های کتانی می‌سازند. نخ‌ها با حرارت بالای ۷۰ درجه سانتی‌گراد ذوب می‌شدند که کمی پارچه را سخت می‌کند تا بتواند شکل دقیقی داشته باشد.
روش کار
او تصمیم گرفت ذوب الیاف و ترموفرمینگ را در فرآیند ساخت پارچه هوشمند بگنجاند.
ترموفرمینگ واقعاً مشکل نویز را حل می‌کند، زیرا منسوجات چند لایه را با فشردن و ذوب کردن کل پارچه، با هم در یک لایه جای می‌دهد که دقت را بهبود می‌بخشد. این ترموفرمینگ همچنین به ما اجازه می‌دهد تا فرم‌های سه بعدی، مانند جوراب یا کفش، ایجاد کنیم که در حقیقت متناسب با اندازه و شکل دقیق کاربر است.
زمانی که ویکاسونو فرآیند ساخت را کامل کرد، به سامانه‌ای برای پردازش دقیق داده‌های حسگر فشار نیاز داشت. از آنجایی که پارچه به صورت شبکه گره خورده است، او یک مدار بی‌سیم ساخت که ردیف‌ها و ستون‌های پارچه را اسکن می‌کند و مقاومت را در هر نقطه اندازه می‌گیرد. او این مدار را برای غلبه بر مصنوعات ناشی از ابهامات “شبح” طراحی کرد. این ابهامات زمانی رخ می‌دهد که کاربر به طور همزمان روی دو یا چند نقطه مجزا فشار وارد می‌کند.
ویکاسونو با الهام از روش‌های یادگیری عمیق برای طبقه‌بندی تصاویر، سامانه‌ای ابداع کرد که داده‌های حسگرهای فشار را به عنوان یک نقشه حرارتی نمایش می‌دهد. این تصاویر به یک مدل یادگیری ماشینی داده می‌شود که برای تشخیص وضعیت، موقعیت یا حرکت کاربر بر اساس تصویر نقشه حرارتی آموزش دیده است.
تجزیه و تحلیل فعالیت ها
هنگامی که این مدل آموزش داده شد، می‌توانست فعالیت کاربر روی تشک هوشمند (راه رفتن، دویدن، انجام حرکات فشاری و غیره) را با دقت ۹۹٫۶ درصد طبقه‌بندی کند و می‌تواند هفت حالت یوگا را با دقت ۹۸٫۷ درصد تشخیص دهد.
آنها همچنین از یک ماشین بافندگی دایره‌ای برای ایجاد یک کفش نساجی هوشمند با ۹۶ نقطه سنجش فشار که در کل پارچه سه‌بعدی پخش شده، استفاده کردند. آنها از این کفش برای اندازه‌گیری فشار وارد شده به قسمت‌های مختلف پا در هنگام لگد زدن به توپ فوتبال استفاده کردند.
دقت بالای ۳DKnITS می‌تواند آنها را برای کاربردهای پروتز مفید کند، جایی که دقت ضروری است. ویکاکسونو می‌گوید یک آستر پارچه‌ای هوشمند می‌تواند فشاری را که یک اندام مصنوعی به سوکت وارد می‌کند اندازه‌گیری کند و به متخصص پروتز این امکان را می‌دهد تا به راحتی ببیند که دستگاه چقدر مناسب است.
او و همکارانش همچنین در حال بررسی برنامه‌های خلاقانه‌تری هستند. او می‌گوید: «من آموخته‌ام که همکاری میان رشته‌ای می‌تواند برنامه‌های واقعاً منحصربه‌فردی ایجاد کند».
گام های آینده
اکنون که پژوهشگران با موفقیت روش ساخت خود را نشان داده‌اند، ویکاسونو قصد دارد مدار و مدل یادگیری ماشین را اصلاح کند. در حال حاضر، مدل باید برای هر فرد کالیبره شود تا بتواند اقدامات را طبقه‌بندی کند، که فرآیندی زمان‌بر است. حذف مرحله کالیبراسیون، استفاده از ۳DKnITS را آسان‌تر می‌کند. پژوهشگران همچنین می‌خواهند آزمایش‌هایی را بر روی کفش‌های هوشمند در خارج از آزمایشگاه انجام دهند تا ببینند شرایط محیطی مانند دما و رطوبت چگونه بر دقت حسگرها تأثیر می‌گذارد.
اریک برکسون، استادیار جراحی ارتوپدی در دانشکده پزشکی هاروارد و جراح ارتوپد پزشکی ورزشی در بیمارستان عمومی ماساچوست، که در این پژوهش شرکت نداشت، می‌گوید: «همیشه دیدن پیشرفت فناوری شگفت‌انگیز است. باورنکردنی است لباسی که می‌پوشیم، آستین یا جوراب، می‌تواند به گونه‌ای ایجاد شود که ساختار سه بعدی آن را بتوان برای حس کردن استفاده کرد. در زمینه پزشکی و به طور خاص در ارتوپدی، این فناوری توانایی تشخیص و طبقه‌بندی بهتر حرکت و تشخیص الگوهای توزیع نیرو در شرایط واقعی (خارج از آزمایشگاه) را فراهم می‌کند. این نوع تفکر است که می‌تواند روش‌های پیشگیری و تشخیص آسیب را تقویت کرده و به ارزیابی و هدایت توانبخشی کمک کند».
>> دستگاهی پوشیدنی برای کمک به افراد مبتلا به بیماری ژنتیکی PIEZO2-LOF
>> اسکلت بیرونی: رباتی که به بدن کاربر متصل می شود
منبع: techxplore.com
استفاده و بازنشر مطالب تنها با ذکر لینک منبع و نام (مجله فناوریهای توان‌افزا و پوشیدنی) مجاز است»
