Cicada‐Wing Inspired Cellulose Paper Sensor for Sustainable Wearable and Smart Home Applications
Notice bibliographique
Résumé
ABSTRACT Flexible, eco‐friendly, wearable pressure sensors are crucial for human monitoring and smart home applications. Cellulose paper, a sustainable and flexible material, is promising for these applications but faces challenges, that is low sensitivity and poor durability. Inspired by cicada wings, the thin, yet resilient, papersheet was produced through commercially refining and wet‐end upgrading (i.e., treating with alkyl ketene dimer and polyamide epoxy chloropropane), and the nano‐ and micro‐scale of fibrillated cellulose fibers formed multi‐level hierarchy branches, which significantly increased the paper's physical strength (tensile index of 84.2 kN·m/kg) and resilient properties (folding endurance over 1000 times). Taking advantage of the high strength paper, a sandwich structure of dual‐layer paper sensor was assembled, that is the inner two pieces of ultra‐thin insulation layer (5 g/m 2 ), and the outer two sensing paper layers (30 g/m 2 ) coated with Carboxylated Multi‐Walled Carbon Nanotubes (MWCNT‐COOH) as a conductive network. The resulting paper‐based sensor exhibited excellent performance, such as ultra‐wide detection range (0–4.13 MPa), ultra‐high sensitivity (1.513 × 10 5 kPa −1 in the 0–16.5 kPa range), low detection limit (~8.1 Pa), rapid response/recovery times (44/21 ms), and excellent cyclic stability (over 12 000 cycles). It was successfully used to monitor pulse, respiration, voice, and joint motion, and could also be integrated into furniture such as floors, cushions, and mattresses for smart home and elderly care health monitoring. The humidity resistance (98% RH) and high‐temperature tolerance (up to 80°C) further expand its application potential. In short, a reliable, cost‐effective, and eco‐friendly paper‐based sensor was developed for wearable and smart home applications. image
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».