成果表明，传感器能有用捕捉这些不同的信号，然后区别不同的运动状况。此外，该传感器还能经过有规则的按压精确传递 26 个英文字母和 10 个阿拉伯数字的摩尔斯电码。终究，运用传感器制作了一个感知手套，用于表达阿拉伯数字 0-9 的手势。依据 Inception 网络的深度学习算法完成了 10 种手势的高精确率（99.5%）手势辨认。这项作业为出产柔性压力传感器供给了一种本钱效益高且简略的办法，可用在一切运用，包含人体运动检测、可穿戴设备、手势辨认和人机交互。

  图2. (a) CNT/PUS 均匀的黑色外观和开裂的外表。(b) 尺度为30×30×20毫米的 CNT/PUS放在西红柿叶子的图片。(c) CNT/PUS 的紧缩和恢复进程，显现出极佳的可紧缩性和恢复性。

  图4. (a) 试验设备示意图。(b) CNT/PUS 传感器在 0-100 kPa 压力规模内的压力-RCR 联系。(c) 传感器的滞后特性。(d) 传感器在 5 kPa 负荷下的呼应时刻和恢复时刻。(e、f）传感器在曲折和改变情况下的呼应时刻和恢复时刻。(g、h）PUS 和 CNT/PUS 在不同应变（25%、50% 和 75%）下的紧缩应力-应变曲线；部分扩大图显现了应变规模为 25%-50%时应力-应变曲线的改变。

  图7. (a) 阿拉伯数字 0 至 9 的十种不同手势。(b) 数字 0-9手势的流程图。(c) 在表达 0-9 数字手势时，五指上不同根本传感器对传感手套的 RCR 呼应。

  总归，经过低本钱的浸渍枯燥法制备了CNT/PUS，将 CNT 粘附在 PUS 的骨架结构上构成灵敏层，然后出产出夹层型压阻压力传感器。该传感器具有十分超卓的灵敏度（在 15 kPa 规模内，S 值为 2.7% kPa-1）、快速呼应/恢复时刻（60/100 ms）、较小的滞后（10.75%）和强壮的循环稳定性（0-100 kPa 规模内为 18,000 s，作业频率为 0.1 Hz）。因而，该传感器易于制作，价格低，可完成大规模出产和潜在运用。当 CNT/PUS 传感器坐落人体的不一样的部位（如指尖、手指、手腕、肘部、膝部和足部）时，可以检测到各种人体运动信号。

  此外，该传感器还可以终究靠有规则的按压来传递摩尔斯电码信息，是一种抱负的信息传达设备。终究，经过医用胶带将五个传感器粘贴在每个手指的近节上，制作了一个传感手套。该手套可检测不同手指的屈伸信号。为了创立手势样本数据集，咱们收集了 1000 个样本，并运用最小-最大归一化办法对原始数据进行了预处理。依据该数据集，咱们构建了 Inception Network、LeNet、决策树和 k-nearest neighbor 模型来对阿拉伯数字 0-9手势进行分类。Inception Network 模型的均匀精确率到达 99.5%。这些试验依据成果得出，该传感器很合适用于检测人体运动、传输信息、辨认手势以及其他潜在运用。