过去十年人工智能（AI）的快速发展极大增强了可穿戴设备处理复杂数据的能力。其中，人工智能算法的一大类——机器学习及其重要分支深度学习，是这波人工智能浪潮的主推力。

机器学习消除了手动提取数据特征的人力成本，其深度学习分支对隐藏特征具有强大的洞察力。他们对数据的巨大需求，正好契合了这个信息爆炸时代带来的海量信息。

最近的一项研究总结了所有与光纤传感器结合使用的机器学习算法，分为两类：传统机器学习算法和深度学习算法。传统的机器学习算法包括线性回归（LR）、k近邻（KNN）、支持向量机（SVM）、随机森林、XGBoost和K均值聚类等。

纸张是发表在日记中先进设备和仪器。

在对机器学习算法有了大致了解后，本文根据光纤传感器的工作原理和光纤尺寸对其进行分类和总结。其工作原理主要分为光学和电学两大类。光学包括 FBG、Fabry-Pérot 干涉仪、散斑图和光强度，电气包括压阻式、摩擦电式、EMG 和光纤芯片。

光纤传感器是硬传感器的可行替代品电子设备适合日常穿着。与机器学习相结合，它们可以作为日常智能服装。但仍有许多需要改进的地方。

首先，目前大多数使用机器学习的光纤传感器仅收集单一类型的信号，并且该信号通常是机械力和变形，例如手套中基于压力的手势识别。其他信息，例如光强度、光色、温度、湿度、表面粗糙度以及其他非常有意义的信息并未整合。

第二，机器学习算法日新月异。最新的算法，例如强化学习,生成对抗网络（GAN）、自监督学习和注意力机制（GPT）在这一领域的应用很少。

相信随着上述方向的深入研究，基于光纤传感器和人工智能的可穿戴设备将变得更加智能、舒适、高效，走进每个人的日常生活。

更多信息：Ziwang Luo 等人，基于光纤的可穿戴传感器与机器学习的进展，先进设备和仪器（2024）。DOI：10.34133/adi.0054

提供者：先进设备和仪器