柔性电子技术的快速发展正在深刻重塑智能传感系统，推动传感设备向更高集成度、小型化和多功能化方向演进。得益于其优异的柔性、可扩展性和共形贴合能力，柔性传感器已被广泛应用于智能仿生、健康监测以及人机交互等领域。随着应用需求从复杂环境下的单参数检测转向多参数协同感知，传统的单模态传感器在信息维度和环境适应性方面已显现出局限性。近期研究表明，通过多模态信号融合与特征解耦，可以有效利用异构传感通道间的互补信息，同时抑制信号干扰。这些进展凸显了协同式多信号集成对于提升传感精度与鲁棒性的关键作用。通过将功能材料与各类传感单元相结合，多模态传感系统能够同时监测多种刺激信号，并在复杂工况下显著提升传感的准确性与稳健性。然而，实现多模态感知对不同功能单元的可靠集成及协同运行提出了严苛要求。
目前，多模态感知能力的提升依赖于高密度功能集成，这给柔性器件的结构设计带来了新的挑战。现有的柔性传感平台大多基于柔性印刷电路板（FPCB）、丝网印刷或喷墨印刷技术，能够将多个功能单元集成在二维平面内。尽管这些策略工艺成熟且具备良好的可扩展性，但在平面布局中提高功能单元的密度，往往会导致互连结构和信号传输路径过于拥挤，进而引发信号串扰，并限制了多模态传感系统的集成密度与可扩展性。为了克服平面集成的局限性，研究人员探索了三维集成策略，通过磁控溅射、电子束沉积、柔性电子贴片以及软钎焊等技术，在垂直方向上堆叠不同的功能单元。然而，随着功能层数量的增加，异质多层材料在动态变形下容易发生界面失效，进而导致信号漂移。因此，如何在保持界面稳定性和信号解耦的同时，实现三维垂直多模态集成，仍然是柔性多模态传感器领域面临的一项关键挑战。
1. 本工作开发了一种基于聚乙烯醇-纤维素纳米纤维-还原氧化石墨烯-多壁碳纳米管（PVA-CNF-RGO-MCNT，简称PCRM）材料体系的仿生垂直集成柔性传感器（BVIS）。
2. 通过水诱导的界面融合机制，将蛇形温度敏感阵列、湿度敏感阵列以及方形压力敏感阵列组装成超薄的六层架构。PCRM复合材料所形成的分子级互穿网络增强了界面粘附力，并有效抑制了多模态信号间的干扰。
3. 其中，湿度传感单元在70%–80% RH和80%–95% RH湿度区间内的灵敏度分别达到2.8%/%RH和8.57%/%RH；该结构的切向界面强度和T型剥离强度分别达到2.592 MPa和0.285 MPa。
4. 通过结合结构隔离与基于随机森林算法的信号解耦技术，该平台在“温度-位置”和“湿度-位置”映射任务中的识别准确率分别达到96.79%和99.8%。
图1. 分级传感平台的仿生设计。(a) 蜘蛛网中氢键诱导的重构机制。(b) 水触发的氢键断裂导致超收缩。(c) 蜘蛛网的组成要素：亲水基团与β-折叠结构特征。(d) BVIS（仿生分级传感平台）的形状与结构排列示意图。(e) 氢键网络的重组使得同质仿生层在水的作用下能够实现界面结合。(f) 通过堆叠湿度敏感层、温度敏感层、应力敏感层以及界面阻隔基底所集成的仿生传感器。(g) PVA界面处的单一键合网络，以及CNF/PVA界面处的复合键合网络。(h) CNF-PVA与PVA的T型剪切测试，以及(i) 搭接剪切测试（其中P代表PVA-PVA，C-P代表CNF-PVA，S-S代表基底-基底，S-A代表基底-传感层）。
图2. 同质材料间的键合形成机制。(a) CNF/PVA与PVA的搭接剪切曲线（其中S-S代表基底层-基底层，S-A代表基底层-传感层）。(b) CNF、PVA及CNF/PVA复合薄膜的XRD图谱。(c) BVIS的集成策略。(d) CNF、PVA及CNF/PVA复合薄膜的FTIR图谱。(e) PVA及CNF/PVA复合薄膜的TGA曲线，以及(f) DTG曲线。(g) PVA及CNF/PVA复合材料的紫外（UV）光谱。(h) PCRM薄膜的SEM形貌表征。(i) 不同配比下PCRM薄膜的电导率测试。
图3. 仿生传感薄膜的传感性能测试。(a) 传感薄膜的压力响应（R0 = 30.91 Ω，R0表示传感薄膜在无压力状态下的电阻）。 (b) 感测薄膜在 0.5 Hz 恒定频率下对不同波形（包括正弦波、方波和三角波）的响应（R0 = 368.63 Ω）。(c) 感测薄膜的最大频率响应（R0 = 302.72 Ω；R0 表示感测薄膜在无激励状态下的电阻）。(d) 感测薄膜的静态温度响应。(e) 不同温度下的相对电阻变化（R0 表示感测薄膜在 30 °C 时的电阻）。(f) 感测薄膜在不同温度下的电压-电流曲线。(g) 在 40 °C 和 70 °C 下，手指按压感测平台时的红外可视化图像。(h) 多梯度湿度响应（R0 = 10790 Ω）。(i) 湿度敏感循环响应曲线（20%–80% RH，R0 = 10790 Ω）。(j) 湿度敏感响应灵敏度（R0 = 10790 Ω；R0 表示感测薄膜在 20% RH 时的电阻）。
图4. 感测系统在生理呼吸监测中的应用。(a) 无线呼吸监测系统。(b-d) 顶层、中层和底层对深呼吸与浅呼吸的响应；(e-g) 对快速呼吸的响应。(h) 通过分层感测单元对生理呼吸深度进行交叉验证。(i) 多层结构对不同呼吸程度的统计响应。(j) 用于快速生理呼吸交叉验证监测的分层感测单元。
图5. 用于传感器耦合信号识别的随机森林算法。(a) 人机交互响应示意图。(b) 随机森林分类神经网络架构。(c) 温度敏感感测单元：多位置连续按压下的电信号响应；(d) 多温度条件下连续按压时的电信号响应速率变化。(e) 湿度敏感感测单元：多位置连续按压下的电信号响应；(f) 多温度条件下连续按压时的电信号响应速率变化。 (g-h) 分类混淆矩阵，显示了 12 种“压力位置-温度”耦合信号以及 (i-j) 10 种“压力位置-湿度”耦合信号之间具有明显的区分度。(k) 五种机器学习算法（RF、CNN、LSTM、SVM 和 BP）针对 12 种“压力位置-温度”耦合信号的分类准确率，以及 (l) 针对 10 种“压力位置-湿度”耦合信号的分类准确率。
