Onderzoekers hebben een slimme stof ontworpen die niet-metalen objecten kan detecteren, variërend van avocado's tot creditcards, volgens een onderzoek van Dartmouth College en Microsoft Research.

De stof, genaamd Capacitivo, detecteert verschuivingen in elektrische lading om items van verschillende vormen en maten te identificeren.

Op het ACM Symposium on User Interface Software and Technology (UIST 2020) werd een studie- en demonstratievideo gepresenteerd waarin het sensorsysteem wordt beschreven.

"Dit onderzoek heeft het potentieel om de manier waarop mensen omgaan met computers te veranderen door alledaagse zachte voorwerpen gemaakt van stoffen, " zei Xing-Dong Yang, een assistent-professor in de informatica en senior onderzoeker voor de studie.

Bestaande detectietechnieken die gebruik maken van stoffen, zijn doorgaans afhankelijk van invoer, zoals aanraking door de gebruiker. Het nieuwe interactieve systeem is gebaseerd op een "impliciete invoer"-techniek waarbij de stof geen actie vereist van het object dat wordt gedetecteerd.

Het weefselsysteem herkent objecten op basis van verschuivingen naar elektrische lading in de elektroden, veroorzaakt door veranderingen in het elektrische veld van een object. Het verschil in lading kan betrekking hebben op het soort materiaal, grootte van het object en vorm van het contactgebied.

Informatie die over de elektrische lading wordt gedetecteerd, wordt vergeleken met gegevens die in het systeem zijn opgeslagen met behulp van machine learning-technieken.

Het vermogen om niet-metalen voorwerpen te herkennen, zoals etenswaren, vloeistoffen, keukengerei, plastic, en papierproducten maakt het systeem uniek.

"Het kunnen voelen van niet-metalen voorwerpen is een doorbraak voor slimme stoffen, omdat het gebruikers in staat stelt om op geheel nieuwe manieren met een breed scala aan alledaagse voorwerpen om te gaan, " zei Te-Yen Wu, een doctoraatsstudent aan Dartmouth en hoofdauteur van de studie.

Als onderdeel van het onderzoek werden twintig objecten getest op het 'slimme tafelkleed'. De objecten varieerden in grootte, vorm en materiaal. Het team nam ook een waterglas en een kom mee om te testen hoe betrouwbaar het systeem de volheid van een container kon herkennen.

Algemeen, het systeem behaalde een nauwkeurigheid van 94,5% bij het testen.

Het systeem was bijzonder nauwkeurig om onderscheid te maken tussen verschillende soorten fruit, zoals kiwi's en avocado's. Ook de status van een vloeistofcontainer was voor het systeem relatief eenvoudig te bepalen.

In een aanvullend onderzoek het systeem was in staat om onderscheid te maken tussen verschillende soorten vloeistoffen zoals water, melk, appelcider en frisdrank.

Het systeem was minder nauwkeurig voor objecten die geen stevige voetafdruk op de stof achterlaten, zoals creditcards.

Het ontwerp-prototype heeft een raster van ruitvormige elektroden gemaakt van geleidende stof bevestigd aan een katoenen laken. De grootte van de elektroden en de afstand ertussen zijn ontworpen om het detectiegebied en de gevoeligheid te maximaliseren.

Wanneer een object of de status van een object wordt geïdentificeerd door de stof, zoals wanneer een potplant water nodig heeft, kan de slimme stof een gewenste actie of prompt activeren.

Onderzoekers verwachten dat het systeem verschillende functies kan vervullen, waaronder het helpen vinden van verloren voorwerpen, het verstrekken van waarschuwingen of meldingen, en het verstrekken van informatie aan andere slimme systemen zoals dieettrackers.

Het systeem kan zelfs helpen bij het koken door receptsuggesties te doen en bereidingsinstructies te geven.

Teddy Seyed van Microsoft Research, Lu Tan van de universiteit van Wuhan, en Yuji Zhang van de Southeast University droegen ook bij aan dit onderzoek.