在压阻式传感器中实现实时运动可视化的能力仍然是一个挑战。本工作设计了一种基于机械发光材料CaZnOS：Mn的视觉压阻传感器，用于感知机械刺激强度和视觉空间位置信息。对传感器的线性、检测范围、灵敏度和稳定性进行了测试，并对传感器的传感机理进行了探讨，建立了力、电阻与光强的关系。制备了5×5传感器阵列，实现了动态力轨迹的视觉检测，并结合卷积神经网络和随机森林算法，识别出人体书写的数字和压力特征，通过多特征输入控制机器人手臂的书写路径和笔迹。实验结果表明，该机器学习算法是非常可靠的，数字识别的准确率为98.33%，身份识别的准确率为97.21%。可视化压阻式压力传感器为柔性压力的可视化提供了新的思路，有利于柔性传感器向集成化、智能化方向发展。该研究成果被Advanced Materials Technologies（IF=6.4), 接受出版！目前出版中.....

全文链接：https://doi.org/10.1002/admt.202401562