小小鸟视频在线观看免费6(含羞草实验室隐藏入口2021)

上海交大研发“人造含羞草模型”，提出全新机械式读写操作方式

“尤记得当时的惊喜和奇妙，我们在工作室养了好几盆含羞草，有一天盯着它看了许久，就突发奇想‘含羞草可能不仅仅只会害羞’，正是这种奇思妙想促成了此次工作。当仿含羞草模型做出来后，看到模型受到触碰，‘叶子’就会自适应闭合的过程，以及在振动环境中由参差乱舞、到整齐划一舞动的转换，觉得激动而又美妙。”

动图 | 仿含羞草模型的触碰闭合行为（来源：何清波）

小小含羞草，启发一篇高 IF 期刊论文。提及此事，论文通讯作者上海交通大学机械系统与振动国家重点实验室教授何清波不禁感慨：科研（刺激响应超材料）来源于生活（含羞草），而又高于生活（含羞草），终究要服务于生活（信息传感、计算和通信）。

图 | 何清波（来源：何清波）

2021 年 12 月 17 日，该论文以《信息驱动弹性动力学编程的刺激响应超材料》（Stimuli-responsive metamaterials with information-driven elastodynamics programming）为题发表在 Cell 姊妹刊 Matter 上[1]。

图 | 相关论文（来源：Matter）

如下图，该团队首次提出信息驱动的弹性动力学编程概念，创造出一种结构振动感知信息的新方式。论文作者均来自该校，一作是博士生李崇，通讯作者是彭志科教授和何清波教授。

图 | 信息驱动弹性动力学编程的刺激响应超材料（来源：Matter）

据介绍，作为一种对外界环境刺激表现出适应性功能反应的能力，生物的刺激响应性广泛存在于大自然中。比如，当感知到环境振动时，含羞草会因为自适应而合拢；当感知到环境湿度时，松果会因为自适应而变形......

这种生物的刺激响应性，启发了科学家对于功能型智能材料的研究。此前，已有不少刺激响应性材料，遇到外部刺激时，它们会改变物理性质、或化学性质来做出响应，比如改变形状、颜色或硬度等。

不过，此前研究仍主要采取可编程的弹性静力学特性，去对功能型形态变化做以设计。在刺激响应材料系统中，如何实现弹性动力学特性的可编程，仍是待解难题。而在构建全材料仿生智能系统的探索中，攻克上述难题可带来重要意义。

基于此，何清波和团队设计出一种仿生刺激响应超材料，该材料具备信息驱动弹性动力学编程的能力，借助模拟含羞草叶片的刺激闭合行为，即可通过感知环境变化做出刺激响应。

据介绍，信息驱动弹性动力学编程的概念系第一次提出，它具体指的是：当外部刺激信息以弹性动力学特性的形式，编程写入超材料系统，即可解码和读取系统中传输的弹性波信息。

此次提出的刺激响应弹性超材料，由形状记忆谐振器构成。在环境刺激下，它的结构状态会发生自适应闭合，其局域共振状态也会从无序态变为有序态。

动图 | 自适应的无序-有序状态转换系统（来源：何清波）

据此，何清波等人提出“自适应无序—有序共振转换”的动力学理论，设计出具有不同共振状态的超材料单胞，进而构造出多种超材料超胞，最终搭建出刺激响应超材料网络系统。

当遇到环境信息刺激时，超材料网络节点的局域共振状态，不仅会发生转变，而且被自适应地编程到整个系统网络的全局动力学响应中，借此即可实现信息驱动的弹性动力学编程。

回顾研究过程，何清波总结称：仿生设计、理论建模和性能验证，是该工作的三大研究步骤。

在仿生设计这一步，为模拟含羞草的自适应闭合动作，在刺激响应超材料叶片的设计中，该团队使用了变形驱动器。驱动器由智能材料制成，可通过实现预先设计的形态变化，来响应外部刺激。

这种结构设计的好处在于，未遇到外部刺激时，超材料叶片处于打开状态；遇到外部刺激时，微开关即可被触发，进而让温度升高，这时驱动器就会变形，借此实现超材料叶片的刺激响应闭合。

图 | 仿含羞草的刺激响应超材料设计。（A）自然界的含羞草处于打开状态；（B）受外界刺激，含羞草闭合；（C）超材料叶片处于打开状态；（D）超材料叶片感知外界刺激发生闭合；（E）和（F）分别显示打开和闭合状态下超材料单元的细节（来源：Matter）

在理论建模这一步，需要对超材料的弹性动力学特性进行表征，并给它的参数化设计提供物理基础。为此，何清波和团队提出上述“自适应无序—有序共振转换”的动力学系统。

（来源：何清波）

所采取的物理机制在于：当自适应叶片闭合时，会产生特定的动力学传输带隙，这时动力学状态就会从无序共振状态，转换到有序共振状态，而这十分有利于实现超材料信息驱动的弹性动力学编程。

也就是说，利用不同超材料结构，比如网络结构、立方体结构和球形结构，就能以信息驱动的方式，来编程刺激响应超材料的动力学状态。

图 | 自适应的无序-有序共振转换动力学系统。（A）超材料的动力学理论建模示意图；（B）解析方法推导超材料的动力学等效质量；（C）超材料能带分析；（D）无序-有序共振模态仿真；（E）数值方法分析超材料的动力学频响传输；（F）九种不同尺寸下的动力学仿真分析；（G）仿真和实验分析超材料的频响传输特性（来源：Matter）

在性能验证这一步，出于实现信息驱动的弹性动力编程的目的，他们构建出一个自适应的超材料网络。借助尺寸不同的超材料叶片，该网络可构造出超材料超胞，还能以网络节点的空间构型，搭建出超材料网络系统。

在节点遇到外部刺激时，对应的超胞也会以自适应的方式，转换到有序共振状态，并能编程到超材料网络的全局动力学传输中。

这种信息驱动的可编程性，让通过分析自适应实时传输弹性波响应、去感知受刺激的节点成为现实，超材料系统的机械式读写操作也得以实现。

图 | 具有刺激信息本体感受的超材料网络。（A）刺激响应超材料网络的模型图；（B）超材料网络的动力学建模；（C）超材料网络在受到刺激和无刺激下的动力学特性；（D）和（E）分别为超材料受四节点和五节点刺激的实验结果；（F）超材料网络动力学传输的细节（来源：Matter）

在完成性能验证工作之后，何清波和团队进一步挖掘相关应用潜力。他们发现，借助信息驱动的弹性动力学编程概念，一种全新的机械式读写操作得以诞生，全材料结构下刺激信息的本体感受也得到实现。

借助对振动刺激信息的感知，有望在刺激信息交互（如命令输入、交互通信和机器人操作等）、感知编码计算（如全材料键盘，智能计算器等）和物联网物理加密（如登陆权限认证，信息传输加密等）等领域，带来相关应用潜力。

另据悉，该成果或可给全材料智能系统带来新机遇，并对信息感知设备的设计，比如传感、计算和通信等产生重要意义。届时，智能设备也将从复杂硬件系统中解放出来。

图 | 信息交互、感知编码和物理加密的应用展示。（A）信息交互的示意图；（B）交互图案的实现；（C）感知编码的示意图；（D）和（E）分别为感知编码加法计算和乘法计算的实现；（F）物理加密的示意图；（G）四种加密信息的演示（来源：Matter）

何清波还总结称，科研工作也会面临取舍和抉择。在该工作初期，他和团队做了两个超材料网络，除了发表出来的信息感知网络，还有一个自适应振动控制网络。

他说：“那个也挺有意思的，但是为了统一主题，更好地突出工作的展示度，就没有在论文中体现自适应振动控制网络的内容。借此我们也再次领略到科研的真正魅力，即思想要走在前面，突破自身思维框架，学会化繁为简，形成原创性和自己的特色，把最好的一面展示给大家。”

未来，他将进一步借助高端加工制备技术、先进功能材料和智能处理算法，研制相关的智能超材料器件，致力于解决工业装备及物联网领域的动力学难题。

总体来说，目前针对振动信息的智能处理技术，开展智能超材料器件研制的基础研究还处于起步阶段，尚有很多基本问题需要研究解决。

在智能超材料器件研制领域，他和团队打算结合超材料对弹性波的灵活调控和智能感知，实现具有超高精度和超高效率信息处理的智能超材料器件，进一步突破传统振动信息处理技术的难题。

最后何清波表示：“这既是一项具有广泛意义的基础研究，也是一项极具前瞻性的创新型研究，将会服务于智能化装备的动力学设计与变革性发展。”

-End-

参考：

1、Chong Li, Zhike Peng and Qingbo. He, "Stimuli-responsive metamaterials with information-driven elastodynamics programming", Matter, https://doi/10.1016/j.matt.2021.11.031.

AI也会查水表啦！德国小哥开发水表读取器，成本不到80元

晓查 发自 凹非寺 量子位 报道 | 公众号 QbitAI

不少人家里应该都还有这种老式水表，但你能看懂它的读数吗？

恐怕不少人都会感到一脸懵逼。机械式水表可能是最的设计之一了，安装在阴暗的角落，又是指针又是数字，读起来费劲。

现在你可以把查水表交给AI啦！一位德国小哥开发的“AI水表读取器”，只需几十元的成本，在水表上加个“罩子”，就能把机械式水表改装成“智能水表”，

这款设备基于TensorFlow Lite，让AI自动读取当前刻度，实时记录你的用水量。

AI水表读取器主要由3部分组成：3D打印外壳，ESP32-CAM开发板、相机与照明装置。

ESP32-CAM自带LED照明，摄像头型号为OV2640，外壳部分可以使用作者提供的3D打印文件。

据作者介绍，整部装置的费用不超过10欧元（也就是不超过人民币80元）。

AI水表读取器可以直接通过网络管理。将固件烧录到设备并连上Wi-Fi后，只需在浏览器中输入设备的局域网IP即可进入管理界面。

你可以在网页中设置读取框的坐标、图像质量等参数。

甚至你还可以进行OTA升级，将固件文件传输至/firmware文件夹下，再输入http://IP-ESP32/ota?file=firmware.bin对设备进行无线更新。

这款智能水表的原理并不复杂，其数据处理流程如下：

相机线拍下照片，用OpenCV库对图像进行自动对齐、ROI识别，提取中图像中的需要识别的部分。

不过，处理机械水表表盘图像并不容易，不是简单用OCR就能搞定的，因为表盘的数字是连续变化的，你可以会遇到正好处在两个数字之间，比如最右边那种情形。

这时候就需要用CNN训练它，让它知道这张图片是介于数字2和3之间。

表盘上部的数字读数用OCR软件获取，下半部分的模拟表盘交给CNN处理。

对于模拟表盘的部分，要让CNN能识别指针从0到9不同情况，一个“笨”方法是标记10个分类。

但是，如果希望系统估读小数点后一位（0.0、0.1，…，9.8、9.9），那么将会有100个分类，每个分类都要有大量的训练图像。

因此，最终作者使用了另一种方法：在CNN网络的最后一层中仅使用一个可以输出连续值的神经元。

最初开发的版本需要设置外部服务器对这些图像进行处理，经过数次迭代后，图像处理和转换已完全集成在ESP32CAM固件中，真正成了“边缘AI”。

如果你也想改造自家的水表，不妨去试试吧。

项目地址：https://github/jomjol/AI-on-the-edge-device

硬件配置：https://www.thingiverse/thing:4573481

3D打印文件：https://www.thingiverse/thing:4571627/files