近日，物理与电子学院郑海务教授课题组在摩擦纳米发电机的智能声音监测识别领域取得新进展，相关成果以“Intelligent sound monitoring and identification system combining triboelectric nanogenerator-based self-powered sensor with deep learning technique”为题发表于自然指数期刊、国际顶级期刊Advanced Functional Materials (影响因子：18.808)。
基于传感网络的城市声音管理系统在交通、安全、水利和建筑等多个领域具有重要作用。现有传感网络通常由昂贵的信息传感设备组成，其成本和维护限制了它们的大规模部署。郑海务课题组提出了一种新颖、低成本、基于声音驱动摩擦纳米发电机（SDTENG）的自供电传感器，其中SDTENG主要由氟化乙烯丙烯共聚物(FEP)薄膜、导电织物、丙烯酸树脂外壳和Kapton间隔物组成。在本研究中，基于SDTENG的传感器与深度学习技术构建了智能声音监测和识别系统，该系统能够识别一系列常见的道路和交通声音，在大多数情况下分类准确率高达99%。基于SDTENG的新型自供电传感器与深度学习技术相结合，在城市声音管理方面显示出了巨大的应用潜力，将在泛在传感器网络领域具有良好应用前景。
河南大学物理与电子学院张嘉伟讲师、郑海务教授以及加拿大滑铁卢大学班大雁教授是论文的共同通讯作者，河南大学是第一署名单位，2020级硕士研究生姚鸿博同学为第一作者。该研究工作受到国家自然科学基金、河南省杰出青年基金等项目的资助。
