بزرگنمايي:

پیام خوزستان - دانشمندان موفق به ساخت انگشت هوشمندی شده‌اند که موادی مانند شیشه و سیلیکون و چوب را با دقت بیش از 90 درصد شناسایی می‌کند.

به گزارش پایگاه خبری نیو سایِنتیست (New Scientist)، دانشمندان مؤسسه نانوانرژی و نانوسیستم‌ آکادمی علوم چین، انگشتی ابداع کرده‌اند که می‌تواند با استفاده از حسگرهای تریبوالکتریک که توانایی آن را برای به‌ دست آوردن و از دست دادن الکترون آزمایش می‌کند، جنس مواد و زبری آن را تشخیص دهد.
این انگشت مصنوعی می‌تواند با دقت بیش از 90 درصد مواد گوناگون را شناسایی کند. این فناوری احتمالاً برای «خودکارسازی استفاده از ربات‌ها در تولید، مانند مرتب‌سازی و کنترل کیفیت، مفید» است.
حسگرهای لمسی که می‌توانند درباره سطوح اطلاعاتی مانند فشار یا دما را به‌دست آورند، جدید نیستند؛ اما حسگرهایی که می‌توانند نوع و ناهمواری سطوح را تشخیص دهند کمتر رایج هستند.
هنگامی که انگشت هوشمند روی صدها نمونه از 12 ماده از جمله چوب، شیشه، پلاستیک و سیلیکون آزمایش شد و با تجزیه‌وتحلیل داده‌های مبتنی‌بر یادگیری ماشین ترکیب شد، به دقت متوسط 96/8 درصد و حداقل دقت 90 درصد برای همه مواد دست یافت.
این دستگاه از چهار حسگر مربع کوچک تشکیل شده است که هر کدام از یک پلیمر پلاستیک متفاوت ساخته شده‌ که به دلیل خواص الکتریکی متفاوتشان انتخاب شده‌اند. هنگامی که حسگرها به اندازه کافی به سطح یک جسم نزدیک می‌شوند، الکترون‌های هر مربع به روشی کمی متفاوت با سطح، بر هم‌کنش می‌کنند که می‌توان آن را اندازه‌گیری کرد.
این حسگرها که در یک محفظه انگشت‌مانند قرار گرفته‌اند، به یک پردازنده و یک صفحه اِل‌ای‌دی ارگانیک متصل می‌شوند که نام نوع ماده شناسایی‌شده را نشان می‌دهد. در یک محیط صنعتی، پردازنده می‌تواند به صورت مستقیم به مکانیسم کنترل تولید متصل شود. بنا بر اظهارات پژوهشگران، انگشتان هوشمند می‌توانند به ربات‌ها کمک کنند تا بررسی کنند که آیا محصولات از نظر ترکیب و ساختار سطحی، استانداردهای تولید را برآورده می‌کنند یا خیر. این سیستم همچنین می‌تواند نقش مهمی در مرتب‌سازی مواد صنعتی ایفا کند.
دانشمندان معتقدند اگر پس از هزاران آزمایش مشخص شود که حسگر می‌تواند میان مواد مختلف تمایز قائل شود، می‌توان از آن برای کارهایی مانند «کنترل کیفیت در تولید» استفاده کرد. با این حال، زمانی که حسگر به‌کار رفته در این انگشت مصنوعی با حسگرهای دیگری ترکیب شود که می‌توانند لبه‌ها یا اصطکاک را تشخیص دهند، احتمالاً مؤثرتر خواهند بود.