機器學習輔助手寫識別對于下一代生物識別技術(shù)的發(fā)展至關重要。然而，目前報道的大多數(shù)手寫識別系統(tǒng)都缺乏靈活的傳感和機器學習能力，這兩者都是智能系統(tǒng)實現(xiàn)所必需的。在此，在機器學習的幫助下，本研究開發(fā)了一種新的手寫識別系統(tǒng)，該系統(tǒng)既可以用作書面文本的識別器，也可以用作機密信息的加密器。這種靈活智能的手寫識別系統(tǒng)將印刷電路板與基于氧化石墨烯的水凝膠傳感器相結(jié)合。它提供快速響應和良好的靈敏度，并允許高精度識別從單個字母到單詞和簽名的手寫內(nèi)容。通過分析從7名參與者獲得的690個手寫簽名，本研究成功地證明了快速的識別時間（小于1秒）和高識別率（∼91.30%）。我們開發(fā)的手寫識別系統(tǒng)在先進的人機交互、可穿戴通信設備、軟機器人操縱器和增強現(xiàn)實虛擬現(xiàn)實方面具有巨大潛力。
圖1.手寫識別系統(tǒng)的示意圖：（a） 手寫識別系統(tǒng)的示意圖;（b） BiLSTM模型示意圖。
圖2.GO水凝膠的表征和性能：（a）GO納米片的TEM圖像和（b）AFM圖像;（c）GO水凝膠的掃描電子顯微鏡（SEM）形貌;（d） ΔR/R
0值與GO水凝膠傳感器的應變的關系;（e） GO基水凝膠傳感器在1200次循環(huán)內(nèi)的耐久性測試結(jié)果（100%應變）。
圖3.字母識別：（a）水凝膠手寫識別系統(tǒng)的數(shù)據(jù)處理流程，具有訓練和另一個實際識別過程;（b） 響應筆跡的阻力變化 26 個字母;（c） 識別26個字母的準確性和損失曲線;（d） 識別26個字母的混淆矩陣;（e） 使用t-SNE降維的數(shù)據(jù)集中2600個樣本的結(jié)果。
圖4.數(shù)字識別：（a）響應筆跡10數(shù)字的阻力變化;（b）不同模型運行結(jié)果的相關參數(shù)雷達圖;（c） 識別10個數(shù)字的準確性和損失曲線;（d） 用于識別10個數(shù)字的混淆矩陣;（e） 使用t-SNE降維的數(shù)據(jù)集中955個樣本內(nèi)的數(shù)據(jù)。
圖5.手寫識別系統(tǒng)處理的一系列略有不同的單詞的識別結(jié)果：（a-d）識別“bare”和“bear”的準確性和損失曲線，（b）識別“forth”和“fourth”，（c）識別“altar”和“alter”，以及（d）識別“file”，“mile”，“nile”和“rile”;（e-h）混淆矩陣，以（e）識別“bare”和“bear”，（f）識別“forth”和“fourth”，（g）識別“altar”和“alter”，以及（h）識別“file”，“mile”，“nile”和“rile”。
圖6.柔性手寫識別系統(tǒng)的演示：（a，b）水凝膠手寫識別系統(tǒng)的組成示意圖及其潛在應用;（c） 簽字承認過程;（d） 精度和損耗曲線;（e） 識別七個人簽名識別的混淆矩陣。
相關研究成果由湖南大學Jian Zhou等人2022年發(fā)表在ACS Applied Materials & Interfaces (https://doi.org/10.1021/acsami.2c17943)上。原文：Machine-Learning Assisted Handwriting Recognition Using Graphene Oxide-Based Hydrogel。
轉(zhuǎn)自《石墨烯研究》公眾號
