Laser-Induced Graphene/PDMS Soft Pressure Sensors for Detecting Low-Pressure Variations in Sports Garments
Notice bibliographique
Résumé
In this study, we present a novel soft pressure sensor array capable of reliably capturing low-pressure variations exerted by sports garments on the human body. The sensors were fabricated using the laser-induced graphene (LIG) polydimethylsiloxane (PDMS) as the elastomeric substrate and encapsulation material. A scalable fabrication method combining ultraviolet laser processing and PDMS micro-molding was developed to enable a precise, cost-effective sensor manufacturing. To enhance measurement sensitivity, a rigid cover supported by soft Eco-flex frames was integrated into the design, effectively concentrating distributed garment pressure at the sensor's center. This modification resulted in a fourfold increase in sensitivity, achieving a maximum value of$3.2 \times 10^{-3}$kP a −1 and enabling detection of pressures as low as 1 kPa. The sensor's performance was evaluated through step-hold and cyclic compression tests, as well as application trials simulating the pressure of a sports bra strap on a curved surface. Results demonstrated that the sensor array could distinguish between slow tension and dynamic chafing of the bra, with output closely matching that of commercial pressure sensors, albeit at much lower fabrication cost and higher sensitivity. These findings suggest that the LIG-based sensor array is a promising, scalable solution for pressure mapping during human garment trials as well as pressure-sensitive manikin studies, offering valuable insights for future wear design and comfort optimization.
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) | 0,001 | 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 | 0,000 | 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 ».