郑州大学代坤教授、翟威副教授AFM：仿生蜘蛛！可视化水凝胶传感器，实现机器学习精准手写识别

在智能可穿戴设备迅猛发展的时代，柔性传感器因其舒适性、便携性和智能化潜力成为关键组件，广泛应用于医疗监测、人机交互等领域。传统水凝胶传感器虽与人体兼容性佳，却面临功能单一、小形变下灵敏度不足的瓶颈。如何平衡高拉伸性与灵敏度的矛盾，并赋予其可视化、耐极端环境等性能，成为亟待解决的难题。

郑州大学代坤教授、翟威副教授和北京化工大学万鹏博教授合作，受蜘蛛裂缝器官启发，开发出基于微裂纹结构的可视化水凝胶传感器（MVHS）。该传感器通过MXene/碳纳米管（CNT）协同导电层与荧光氮掺杂碳量子点（N-CQDs）的融合，兼具超灵敏应变响应（检测限0.2%，应变系数10.92）、2050%宽应变范围、动态机械发光特性及卓越抗冻保水性能。结合机器学习算法，MVHS成功实现高精度手写识别，为智能人机交互开辟新路径。成果发表于《先进功能材料》（Adv. Funct. Mater. 2025, e12316）。

仿生设计与多功能集成

研究团队模仿蜘蛛裂缝器官的微裂纹结构（图1a-i），将CNT/MXene导电墨水喷涂于聚丙烯酰胺/N-CQDs/甘油（PCG）水凝胶表面，经预拉伸形成可控微裂纹（图1a-iv）。该设计使传感器在拉伸时裂纹动态开合，显著改变电阻并激发荧光。MVHS兼具柔性（图1b）、-30℃抗冻性（甘油氢键锁水防冰晶），还可作为可拉伸电极用于摩擦纳米发电机（TENG），并通过机器学习识别手写动作。

图1 a) 示意图：i) 受蜘蛛裂缝器官启发的裂纹结构；ii) N-CQDs合成过程；iii) MXene与CNTs组装；iv) MVHS制备流程。 b) MVHS性能展示及其实现的机器学习辅助手写识别。 

力学性能优化

PCG水凝胶的机械强度通过N-CQDs调控：20 mg添加量时，氢键强化网络使拉伸强度达252.8 kPa，韧性提升至2.2 MJ/m³（图2a）。甘油与N-CQDs协同作用大幅提升拉伸性（断裂应变2076%）和回弹性（83%应变恢复率）。低温下（-30℃）仍保持1468%拉伸能力（图2j），且10天内保水率达73%（图2k,l）。

图2 a) 含不同N-CQDs含量的PCG水凝胶拉伸应力-应变曲线。 b,c) 不同水凝胶的典型拉伸应力-应变曲线。 d) PCG水凝胶小应变（10%, 20%, 40%, 60%, 80%, 100%）下的拉伸加载-卸载曲线。 e) PCG水凝胶大应变（100%, 200%, 400%, 600%, 800%, 1000%）下的拉伸加载-卸载曲线。 f) PCG水凝胶在不同循环应变下的弹性与滞后行为。 g) PCG水凝胶的温度依赖性FTIR光谱；h,i) 对应的二维相关光谱（2DCOS）。 j) PCG水凝胶在低温条件下的柔性演示（拉伸、扭转、弯曲）。 k) PC水凝胶与PCG水凝胶的储能模量（G′）和损耗模量（G′′）随温度变化。 l) PC水凝胶与PCG水凝胶的DSC曲线。

超灵敏应变传感

MVHS的电阻变化呈现三阶段线性响应（图3b）：低应变区（≤600%）GF=2.65，中应变区（600–1400%）GF=7.04，高应变区（1400–2050%）GF=10.92，性能超越多数已报道水凝胶传感器（图3c）。其响应/恢复时间仅120/160 ms（图3f），且在300次100%应变循环中信号稳定（图3h）。机理上，应变增大导致MXene片层间裂纹扩展，CNT充当“桥梁”维持导电通路直至高应变断裂（图3i）。

图3（MVHS应变传感性能） a) MVHS层级结构示意图。 b) 喷涂CNT/MXene导电墨水前后的电阻-应变曲线。 c) MVHS与已报道水凝胶传感器的应变系数（GF）和应变范围对比。 d) 不同应变下MVHS的相对电阻变化。 e) 不同拉伸-释放速率下的相对电阻变化。 f) 响应与恢复时间。 g) MVHS在阶梯应变下的响应与恢复曲线。 h) 100%应变下300次连续加载-卸载循环的稳定性。 i) 拉伸应变下MVHS的导电机理示意图。 

动态可视化与自供能

N-CQDs赋予MVHS紫外线下的蓝绿色荧光（图4c）。拉伸时微裂纹扩大，暴露更多荧光水凝胶区域，亮度随应变增强（图4d–g）。CIE色度图证实发射光均匀性（图4h–k）。作为TENG电极（图5a），MVHS在接触-分离循环中输出开路电压60 V（图5c），可为30个LED或电子表供电（图5j）。其压力/频率响应特性支持手写信号生成（图5f）。

图4（MVHS光学行为） a) 水凝胶置于色轮和郑州大学（ZZU）标志上的数字图像，展示其透明特性。 b) 透射率-波长关系图。 c) 日光与紫外光下不同形状水凝胶照片。 d) 可调控机械发光（ML）的工作机理。 e) 不同拉伸应变下MVHS的蓝绿色荧光照片及光学显微镜图像。 f,g) 含不同N-CQDs含量的蓝绿色荧光MVHS的ML光谱。 h) MVHS的CIE色度坐标。 i,j) 不同应变下蓝绿色荧光MVHS的ML光谱。 k) MVHS的三维荧光发射光谱。 

图5（MVHS在摩擦纳米发电机中的应用） a) 三明治结构MVHS基TENG示意图。 b) MVHS-TENG的工作机理。 c) 开路电压（V_OC）；d) 短路电流（I_SC）；e) 转移电荷量（Q_SC）。 f) 不同工作频率下MVHS-TENG的输出性能。 g) MVHS-TENG的长期稳定性。 h) 2 Hz频率下不同商用电容器（1–47 μF）的充电行为。 i) 不同工作频率（1–5 Hz）下2.2 μF电容器的充电性能。 j) MVHS-TENG对2.2 μF电容器的充电电压曲线。 

机器学习精准识别

将MVHS贴附于食指关节，采集书写大写字母（A–G）的电阻信号（图6b）。提取特征值经3D空间分布分离后（图6c），构建的机器学习模型在100次训练后分类准确率达98.9%（图6d,e）。即使在-25℃书写“HELP”等求救信号，仍可稳定输出识别结果（图6g），凸显其在极端环境通信中的应用价值。

图6 a) 基于MVHS的深度学习辅助手写识别系统示意图。 b) 书写七个大写字母时MVHS的实时电阻响应。 c) 用于字母分类的特征值三维空间分布。 d) 100次训练周期中损失函数与分类精度的变化曲线。 e) 不同大写字母识别性能的混淆矩阵。 f) MVHS在极端环境应急通信中的应用示意图。 g) -25℃条件下书写"HELP"和"YES"的响应信号。

总结与展望

MVHS通过仿生微裂纹结构、荧光可视化及抗冻保水设计，突破了传统水凝胶传感器的性能局限。其与TENG和机器学习的集成，不仅实现了自供能与高精度手写识别，更为智能可穿戴设备在医疗、人机交互及极端环境应用提供了新范式。该研究为开发多功能集成的高性能导电水凝胶开辟了道路，推动下一代柔性电子技术向智能化、多场景化迈进。