Gedrucktes Temperatursensor-Array für hohe Temperaturen

Jan 03, 2024

Wissenschaftliche Berichte Band 12, Artikelnummer: 14231 (2022) Diesen Artikel zitieren

3092 Zugriffe

5 Zitate

1 Altmetrisch

Details zu den Metriken

Vollständig gedruckte Temperatursensor-Arrays – basierend auf einem flexiblen Substrat und mit einer hohen räumlichen Temperaturauflösung – sind in einer Vielzahl von Disziplinen von enormem Vorteil. Diese reichen von Gesundheitsversorgung, Qualitäts- und Umweltüberwachung bis hin zu neuen Technologien wie künstlichen Häuten in der Soft-Robotik. Weitere nennenswerte Anwendungen liegen in den Bereichen Leistungselektronik und Mikroelektronik, insbesondere im Wärmemanagement für Multicore-Prozessorchips. Allerdings wird der Anwendungsbereich von Temperatursensoren derzeit durch kostspielige und komplexe Herstellungsprozesse eingeschränkt. Unterdessen sind gedruckte Versionen voller Herausforderungen hinsichtlich der Array-Größe und der Sensordichte. In diesem Artikel stellen wir ein Passivmatrix-Sensordesign vor, das aus zwei separaten Silberelektroden besteht, die eine Schicht aus Sensormaterial aus Poly(3,4-ethylendioxythiophen):Polystyrolsulfonat (PEDOT:PSS) einschließen. Dies führt zu deutlich hohen Sensordichten von 100 Sensorpixeln pro cm\(^2\) für räumliche Temperaturmessungen, während eine kleine Array-Größe beibehalten wird. Somit wird ein Haupthindernis für die umfassende Anwendung dieser Sensoren effizient gelöst. Um eine schnelle und genaue Interpretation der Sensordaten zu ermöglichen, wird ein neuronales Netzwerk (NN) trainiert und für Temperaturvorhersagen eingesetzt. Dadurch wird potenziellem Übersprechen zwischen benachbarten Sensoren erfolgreich Rechnung getragen. Die räumliche Temperaturauflösung wird mit einer speziell gedruckten Silber-Mikroheizerstruktur untersucht. Letztendlich wird eine recht hohe Genauigkeit der räumlichen Temperaturvorhersage von 1,22 °C erreicht.

Mit dem Aufkommen druckbarer Sensoren wird die konventionelle Elektronik nun mit einer neuen Generation von Sensoren ausgestattet, die sich durch hohe Anpassungsfähigkeit und mechanische Flexibilität auszeichnen. Diese instrumentellen Eigenschaften gedruckter Sensoren bieten einen weiteren Mehrwert für eine Vielzahl von Anwendungen – im Gesundheitswesen1,2,3,4,5,6, in der Robotik7,8,9, in der Umweltüberwachung10,11,12,13 und in der Qualitätssicherung in der Lebensmittelindustrie14. 15,16. Insbesondere für mikroelektronische Anwendungen ermöglicht der Erhalt hochauflösender Wärmekarten von integrierten Schaltkreisen (ICs) den Entwicklern und dem Betriebssystem, bessere Entwurfs- und Laufzeitentscheidungen zu treffen, insbesondere im Hinblick auf die Verwaltung der Zuverlässigkeit und Temperatur von Prozessorchips mit vielen Kernen17,18,19. Die meisten Methoden nutzen entweder die Widerstandsänderungen von Leitern oder den Seebeck-Effekt von Materialkombinationen. Darüber hinaus wurden in den letzten Jahren zahlreiche Herstellungstechniken entwickelt. Hierzu zählen vor allem Drucktechniken wie Tintenstrahl20,21,22 und Siebdruck20,23,24. Der Tintenstrahldruck hat im letzten Jahrzehnt besonders an Bedeutung gewonnen. Dies kann hauptsächlich auf eine Kombination aus (a) schnellem und maskenlosem Prototyping, (b) konservativem Tintenverbrauch und (c) einer stetig steigenden Anzahl verfügbarer Tinten zurückgeführt werden22. Der Siebdruck ist ein vollwertiges industrielles Druckverfahren. Dieser Ansatz profitiert von durchgängig reproduzierbaren und vorhersehbaren Ergebnissen und bietet selbst bei großen Proben einen hohen Durchsatz23. Hinsichtlich des Sensormaterials haben sich verschiedene Ansätze für gedruckte Temperatursensoren als geeignet erwiesen. Darunter sind Kohlenstoffnanoröhren (CNTs)8,25, Metallnanodrähte/Nanopartikel5,26,27, Graphen2,28 und verschiedene Polymere29,30. Ein prominentes Polymerbeispiel ist PEDOT:PSS. Mehrere Eigenschaften machen dieses Polymer zu einem interessanten und vielversprechenden Sensormaterial, da es modifiziert und speziell behandelt werden kann, um eine hohe mechanische Stabilität und elektrische Abstimmbarkeit zu erreichen4,31,32. Dabei bleibt es benutzerfreundlich und mit verschiedenen Druckverfahren kompatibel. In der Praxis ist PEDOT:PSS weder giftig noch wassergefährdend und daher für viele Anwendungen attraktiv. Die PEDOT:PSS-Tinten können durch den Einsatz von Additiven auch an bestimmte Drucktechnologien angepasst werden33,34.

Je nach Anwendungsgebiet und Messmethode werden in der Literatur unterschiedliche Sensordesignansätze vorgeschlagen. Diese reichen von einzelnen Sensoren im kleinen Maßstab9 bis hin zu mehreren Sensoren kombiniert auf einem größeren Sensorarray20,29,35. Ein einfacher Ansatz ist eine Mäanderstruktur36,37, die normalerweise mit Metalltinten gedruckt wird. Diese fungiert gleichzeitig als Elektrode und Sensorschicht. Andere Designs verwenden mehrere Materialien und messen die seitliche Widerstandsänderung des Sensormaterials zwischen metallischen Fingerstrukturen4. Für raue Messbedingungen mit hohen Verformungstoleranzen haben sich druckbare und flexible Geräte bewährt. Gedruckte Thermoelemente9,38,39, bestehend aus zwei Materialien, liefern vielversprechende Ergebnisse mit hoher Genauigkeit und Stabilität. Dennoch basieren die meisten der vorgeschlagenen Sensoren auf dem Thermistorprinzip, das in der Lage ist, aufgrund der auftretenden Temperaturänderung eine hohe elektrische Widerstandsänderung zu erreichen. Dies ist von größter Bedeutung, um ein zuverlässiges Auslesen der peripheren Ausleseschaltungen sicherzustellen. Dabei wird an Materialien geforscht, die einen hohen Temperaturkoeffizienten (TCR) und eine hohe Widerstandsfähigkeit aufweisen, gleichzeitig aber einen großen Temperaturbereich abdecken und eine einfache Verarbeitung bei der Herstellung ermöglichen. Bei nicht idealen Materialeigenschaften kann dies durch eine verbesserte Sensorstruktur oder eine angepasste Ausleseelektronik ausgeglichen werden. Dies führt jedoch zu größeren Sensorflächen und/oder komplexen Sensoranordnungen mit aktiven Komponenten.

In dieser Arbeit präsentieren wir einen neuartigen vollständig siebgedruckten Passivmatrix-Temperatursensor basierend auf dem Sensormaterial PEDOT:PSS. Letzterer ist zwischen zwei Silberelektroden eingebettet. Unser Sandwich-Design ermöglicht eine hohe Sensordichte von 100 Sensorpixeln auf einer Fläche von 1 cm2. Die Sensoren wurden erfolgreich und zuverlässig zwischen \(20\) °C und \(90\) °C betrieben. Die Kombination dieser beiden Eigenschaften macht unser Temperatursensor-Array nicht nur für Anwendungen im Gesundheitswesen, in der Robotik und bei elektronischen Häuten attraktiv, sondern auch für die Temperaturüberwachung elektronischer Geräte und ICs, insbesondere von Prozessorchips. Das Sensorarray (siehe Abb. 1) ist auf ein flexibles 100 μm dickes Polyethylenterephthalat (PET)-Substrat gedruckt, wodurch es leicht für verschiedene Anwendungsfälle und Oberflächenformen anwendbar ist, z. B. indem es der Krümmung einer Fingerspitze folgt und die Flexibilität zum Biegen bietet der Finger. Das verwendete Silber überzeugt durch gute Bedruckbarkeit, hohe Leitfähigkeit und Kratzfestigkeit. PEDOT:PSS ist ein bekanntes Material, das die oben genannten Vorteile bietet. Schließlich demonstriert der Sensor effektiv die räumlich-zeitliche Erfassung der Temperaturentwicklung. Bemerkenswert ist, dass sich der Begriff „hohe Auflösung“ im Kontext dieser Arbeit auf die räumliche Temperaturauflösung bezieht. Mit anderen Worten: die hohe erreichte Sensordichte (d. h. eine hohe Anzahl gedruckter Thermosensoren auf kleiner Stellfläche). Um das Verhalten der Sensoren zu „lernen“, wird ein Ansatz des maschinellen Lernens (ML) unter Verwendung eines kleinen NN angewendet, wobei Widerstandsänderungen der Sensoren sorgfältig mit der entsprechenden Temperatur korreliert werden. Da dies für jedes Sensorpixel einzeln erfolgt, können fertigungsbedingte Abweichungen ausgeglichen werden.

(a) Schichtaufbau des Temperatursensors. Das Messprinzip basiert auf einer Passivmatrix mit einer 10 × 10 Elektrodenstruktur. Drei verschiedene Schichten werden nacheinander im Siebdruckverfahren auf ein PET-Substrat aufgebracht: (1) Silber-Unterelektrode, (2) mehrere PEDOT:PSS-Schichten zur Erhöhung der Dicke, (3) Silber-Oberelektrode. (b) Vollständig gedruckte Sensoren mit unterschiedlicher Silberlinienbreite. Zwei Beispiele für gedruckte Temperaturarrays werden hervorgehoben und demonstrieren die Fähigkeit unseres Ansatzes, eine große Anzahl gedruckter Sensoren auf einer kleinen Fläche zu erreichen (d. h. eine hohe Sensordichte von \(11 \times 11 = 121\) innerhalb von 1 cm\(^). 2\) und (21 \times 21 = 441\) innerhalb von 1 cm\(^2\)). Bemerkenswert ist, dass zur Demonstration der Ergebnisse der Sensor mit der niedrigsten Sensordichte ausgewählt wurde, da die Ausleseelektronik begrenzt ist und eine höhere Auslesegeschwindigkeit günstig ist. (c) Verschiedene Heizungsdesigns in einem Drucklayout integriert.

Die Entwurfs- und Herstellungsschritte des Temperatursensors sind in Abb. 1a dargestellt und der vollständig gefertigte Sensor ist in Abb. 1b dargestellt, einschließlich einer Nahaufnahme eines Sensorpixels in Abb. 2a. Darüber hinaus zeigt Abb. 1c das verwendete Layout, das mehrere Heizdesigns mit unterschiedlichen räumlichen Mustern umfasst und später zur Bewertung des Verhaltens der gedruckten Wärmesensoren verwendet wird.

(a) Nahaufnahme des Temperatursensor-Arrays mit der unteren Elektrode (vertikale Linien), der oberen Elektrode (horizontale Linien) und der dazwischen liegenden PEDOT:PSS-Schicht (transparent blau). Der rote Pfeil stellt die mit einem Profilometer durchgeführte Messrichtung dar: (b) Oberflächenstruktur des Sensorbereichs. Die PEDOT:PSS-Schicht hat eine Dicke von etwa 1 \(\upmu\)m. Die darunter liegende Silberelektrode hat eine Dicke von 2–3 \(\upmu\)m. Diese Dicke ist für die obere und untere Elektrode gleich.

Abbildung 3a zeigt einen maßgeschneiderten Peltier-basierten Messaufbau; Abb. 3b und c zeigen die typische Reaktion, die beim Erhitzen des Peltier-Elements auf (70) °C und der anschließenden Abkühlphase durch einfaches Ausschalten beobachtet wird. Während der Heiz- und Kühlperioden wird das Sensorarray-Blatt kontinuierlich ausgelesen. Zwei Beispiele für die erhaltenen Sensormesswerte zusammen mit der entsprechenden Temperatur für zwei verschiedene Temperatursensoren innerhalb des Arrays sind in Abb. 3b, c dargestellt. Wie gezeigt, folgen die Widerstandsänderungen des PEDOT-basierten Temperatursensors genau dem Messwert des Referenzsensors.

(a) Der Peltier-basierte Messaufbau. (b,c) In einem ersten Schritt wird das Peltier-Element auf eine Temperatur von \(70\) °C eingestellt. Nach der Aufheizphase wird das Peltier-Element abgeschaltet, wodurch das Sensorarray abkühlen kann. Während der Heiz- und Kühlperioden wird das Sensorarray-Blatt kontinuierlich ausgelesen. Zwei Beispiele für die erhaltenen Sensormesswerte zusammen mit der entsprechenden Temperatur für zwei verschiedene Temperatursensoren innerhalb des Arrays sind in (b,c) dargestellt. Wie gezeigt, folgen die Widerstandsänderungen des PEDOT-basierten Temperatursensors den Temperaturänderungen.

Jedes Sensorarray-Pixel kann ein leicht unterschiedliches Verhalten aufweisen, z. B. eine unterschiedliche Temperaturabhängigkeit. Dies ist eine unvermeidbare Folge des Druckprozesses und eines möglichen Übersprechens zwischen benachbarten Sensorpixeln. Um solche inhärenten Schwankungen zu berücksichtigen und genaue Temperaturvorhersagen zu gewährleisten, verwenden wir eine maschinelle Lernmethode, die ein kleines NN trainiert. Das NN erfasst bzw. „lernt“ das Verhalten der gedruckten Sensoren, um die erforderlichen Temperaturvorhersagen durchzuführen. Während der NN-Trainingsphase (siehe Abb. 4a,b) wird die dem Peltier-Element zugeführte Spannung schrittweise auf eine maximale Temperatur von \(90\) °C erhöht. Anschließend wird die Versorgungsspannung schrittweise verringert, bis die Ausgangstemperatur von \(25\) °C wieder erreicht ist. Während der Trainingsphase wird das Temperatursensor-Array kontinuierlich ausgelesen und die kollektiven Sensordaten zusammen mit den entsprechenden gemessenen Referenztemperaturen aufgezeichnet. Anschließend werden diese Daten verwendet, um ein kleines NN zu trainieren, das schließlich die erforderlichen Temperaturvorhersagen durchführt. Das trainierte NN-Modell kann die Temperatur für jeden Sensor separat vorhersagen (siehe rechte Seite von Abb. 4a,b). Zu diesem Zweck wird ein kleines, vollständig verbundenes NN trainiert und für Inferenzen verwendet, um den Sensormesswert auf die jeweilige Temperatur umzurechnen. Als Eingaben erhält das Netzwerk: (a) einen dreidimensionalen Vektor, der aus dem Rohsensormesswert r und (b) der Spalten- und Zeilennummer des entsprechenden Sensors besteht. Das Netzwerk gibt dann die Temperatur T des durch Zeile und Spalte angegebenen Ortes aus. Sensoren innerhalb desselben Arrays und/oder verschiedener gedruckter Arrays können aufgrund inhärenter Schwankungen während des Druckvorgangs leicht unterschiedliche Widerstandseigenschaften aufweisen. Durch die Aktualisierung des ML-Modells mit neuen Daten des jeweiligen Sensors werden diese Eigenschaften erfolgreich erfasst und damit inhärente Variationen berücksichtigt. Ein Histogramm, das den Vorhersagefehler angibt, ist in Abb. 4c dargestellt. Das Histogramm umfasst die Vorhersagefehler aller Sensoren während der Validierungsphase. Der durchschnittliche Fehler bei der Temperaturvorhersage liegt bei etwa \(1,22\) °C, mit einer Varianz (\(\sigma ^2\)) von 0,77 K\(^2\). Experimentelle Ergebnisse zeigen außerdem, dass das gesamte Sensorarray vollständig gelesen werden kann und die entsprechenden Temperaturvorhersagen innerhalb von 27 s abgeleitet werden können. Dazu gehören der Zeitaufwand der peripheren Ausleseschaltungen für die Abtastung und das Multiplexen sowie die NN-Inferenzzeit, die benötigt wird, um die entsprechenden Temperaturwerte aller Sensormesswerte vorherzusagen. Ein eigenständiger Sensormesswert kann innerhalb von 90 ms ermittelt werden. Darüber hinaus bezieht sich der in unserer Arbeit erwähnte Wert von \(1,22\) °C auf die Genauigkeit des trainierten NN bei der Vorhersage/Ableitung der Temperatur eines einzelnen Pixels aus dem erhaltenen Messwert. Die Ausleseschaltung ist in der Lage, die Temperatur mit einer Auflösung von \(0,02\) °C aufzulösen. Daher liefert die Verwendung der präsentierten Ergebnisse unter Verwendung eines gut trainierten NN schnelle und dennoch genaue Temperaturvorhersagen während der Schlussfolgerung.

(a,b) Beispiel der Trainings- und Validierungsphasen für zwei verschiedene beispielhafte Temperatursensoren im gesamten Array. (c) Das Histogramm zeigt die Verteilung des Temperaturvorhersagefehlers für alle Sensoren während der gesamten Validierungsphase.

Um zu untersuchen, ob das Sensorarray räumliche Temperaturverteilungen korrekt erfassen kann, wird mithilfe der gedruckten Mikroheizungen Wärme in verschiedenen Bereichen der Sensorfolie induziert, wie in Abb. 1c dargestellt. Der Messaufbau wird so modifiziert, dass die gedruckte Mikroheizplatte zwischen der Temperatursensorplatte und der unteren elektrischen Isolierung eingebaut wird (Abb. 3a (2) bzw. (3). Abbildung 5a,b zeigt die Wärmekarten, die nach Ableitung der Temperatur für jeden Sensor im Sensorarray erfasst wurden.

Durch die Verwendung der Mikroheizplatte (Abb. 1c) können wir Wärme in beliebige Bereiche der Sensorplatte einspeisen.

Um die Funktionalität des Temperatursensors weiter zu validieren, wird der Aufbau in eine Wärmekammer mit kontrollierter Umgebung überführt, anstatt dem Sensorarray mit einem Peltier-Element Wärme zuzuführen. Eine solche Umgebung bietet den doppelten Vorteil, dass sie über einen längeren Zeitraum eine stabile Temperatur aufrechterhält. Das Sensorblech ist zwischen zwei Aluminiumblöcken montiert, die durch eine Isolationsschicht getrennt sind, die Kurzschlüsse verhindert. Anschließend wird es zusammen mit der Messschaltung in der Wärmekammer („Vötsch VT4002“) platziert. Der Raspberry Pi, der den Messkreis moduliert, wird außerhalb der Kammer platziert. Es steuert die Wärmekammer über eine Ethernet-Verbindung, um die gewünschten Temperaturspuren anzufordern und zu sammeln. Abbildung 6a zeigt die Langzeitspur eines Sensors auf einer Sensorfolie und die entsprechende Temperatur in der Wärmekammer. Um die zeitliche Stabilität der Temperatursensoren sicherzustellen und mögliche Driften im PEDOT:PSS-Material (d. h. Widerstands-Temperatur-Korrelationen) im Laufe der Zeit zu analysieren, wurden die Messungen nach einer längeren „Schlafphase“ von 12 Stunden wiederholt. Während dieser Zeit wurden die Umgebungsbedingungen wie die Temperatur in der Wärmekammer konstant gehalten, obwohl die Wärmekammer nicht in der Lage ist, die Luftfeuchtigkeit zu kontrollieren. Die Analyse der Auswirkungen des Feuchtigkeitszustands ist interessant, geht jedoch über den Rahmen dieser Arbeit hinaus. Abbildung 6b, die den durch mögliche Sensordrift verursachten Fehler quantifiziert, zeigt eine gute Übereinstimmung zwischen Sensormesswert und Kammertemperatur. Bemerkenswert ist, dass dieser Trend auch nach der „Schlafphase“ anhält. Die thermische Erfassungsfähigkeit der Temperatursensoren wird durch den Temperaturkoeffizienten des Widerstands (TCR) des Materials bestimmt, der die Empfindlichkeit des Temperatursensors definiert. Es kann nach Gl. berechnet werden. (1):

Hierbei bezeichnet R den Widerstand bei der höchsten Temperatur, während \(R_0\) den Anfangswiderstand bezeichnet, z. B. bei Raumtemperatur (\(25\) °C). \(\Delta T\) beschreibt die Temperaturänderung. Mit dieser Formel berechnen wir den TCR des vorgeschlagenen Temperatursensors mit \({0,09}~\%\text {K}^{-1}\) für die Temperaturmessung zwischen \(25\) und \(90\) °C (siehe Abb. 7).

Das Sensorblatt wird zwischen den beiden Aluminiumblöcken montiert und in einer Wärmekammer platziert. Nachfolgende Temperaturen werden erreicht und das Sensorblatt wird an jedem Punkt abgelesen.

Widerstand der PEDOT:PSS-Schicht in einem Temperaturbereich von \(25\) bis \(90\) °C.

Die elektrischen Eigenschaften der PEDOT:PSS-Schicht ermöglichen ihre Anwendung als Thermistor, wie in früheren Arbeiten gezeigt34. Die Sensorzusammensetzung aus PEDOT:PSS und Silber zeigt ein antagonistisches TCR-Verhalten, das durch die temperaturabhängigen NTC-Variationen im elektrischen Widerstand der PEDOT:PSS-Schicht dominiert wird. Wir nutzen diese Eigenschaft, indem wir eine PEDOT:PSS-Schicht zwischen zwei Schichten geradliniger Silberelektroden in einem Winkel von \(90^\circ\) einlegen und so ein regelmäßiges Gitter bilden, wie in Abb. 8 gezeigt. Jeder einzelne Übergang in diesem Gitter kann an diesem bestimmten Punkt als ein einzelner Thermistor betrachtet werden. Ein elektrischer Strom fließt, wenn an eine bestimmte Zeile Spannung angelegt wird und die Erde mit der entsprechenden Spalte verbunden wird (Abb. 8). Der elektrische Widerstand der PEDOT:PSS-Schicht an jedem Pixel hängt von der Temperatur an diesem bestimmten Punkt ab. Mithilfe dieser Abhängigkeit können wir den Spannungsabfall an jedem Pixel messen. In der NN-Trainingsphase wiederholen wir den oben genannten Schritt für jeden Sensor über eine Reihe fester Temperaturen. Dies hilft, den Widerstand an jedem Punkt mit einer bekannten Temperatur zu korrelieren.

Die Silberelektrode bildet ein regelmäßiges Gittermuster. Beim Messen eines bestimmten Punktes auf dem Sensorblatt wird eine Spannung an eine bestimmte Zeile angelegt und Masse mit der entsprechenden Spalte verbunden, wodurch ein Strom fließen kann. Die PEDOT:PSS-Schicht verursacht einen temperaturabhängigen Spannungsabfall, der zur Rekonstruktion der Temperatur an dieser Stelle genutzt werden kann.

Im Folgenden besprechen wir die verschiedenen Arten von Latenz, die während der Messsequenz auftreten können. (1) Erwartete Messlatenz: Die erforderliche Zeit zum Auslesen eines bestimmten Sensors beträgt durchschnittlich 270 ms. Dazu gehört auch die Zeit, die die Ausleseschaltung (siehe Abb. 8) möglicherweise benötigt, um sich zu stabilisieren und so zuverlässige Messwerte mit nennenswerter Sicherheit zu liefern. Unter Berücksichtigung der zusätzlichen Multiplexverzögerung (siehe Abb. 8) sind zum Auslesen des gesamten Sensorarrays 27 s bis 28 s erforderlich. Bei der kontinuierlichen Abtastung eines einzelnen Sensors (siehe Abb. 9) entfällt der Multiplex- und Stabilisierungsaufwand, wodurch die Sensorauslesezeit auf 90 ms verkürzt wird. (2) Inferenzlatenz für die Temperaturvorhersage: Mit dem trainierten NN-Modell dauert die Ableitung der Temperatur eines einzelnen Sensors, spezifiziert durch seine Zeilen- und Spaltenkoordinaten auf dem Sensorblatt, durchschnittlich 24 ms. Aufgrund der Vektorverarbeitung trägt die Ermittlung der Temperatur für das gesamte Sensorarray nur unwesentlich zur Gesamtverzögerung bei und erfordert durchschnittlich 38 ms. Daher kann die Datenerfassung vom Sensorarray nahtlos fortgesetzt werden. Darüber hinaus kann die Schlussfolgerung für das gesamte Array aus der vorherigen Messiteration im Hintergrund abgeschlossen werden.

Ausgangswert des Sensors (2, 2), der mit der höchstmöglichen Frequenz abgetastet wird. Wenn nur ein einzelner Sensor abgetastet wird und somit jeglicher Multiplex- und Stabilisierungsaufwand vermieden wird, kann eine hohe zeitliche Auflösung von 90 ms erreicht werden.

Die Entwurfs- und Herstellungsschritte des Temperatursensors sind in Abb. 1a dargestellt und der vollständig gefertigte Sensor ist in Abb. 1b dargestellt. Alle Proben werden auf flexiblen Polyethylenterephthalat (PET)-Substraten mit einer Dicke von 100 μm vorbereitet, die mit 2-Propanol gespült und mit einer Luftpistole getrocknet werden. Der Herstellungsprozess besteht aus drei Druckschritten, bei denen jeweils eine Schicht mit einem individuellen Sieb gedruckt wird. Sowohl für die obere als auch für die untere Elektrodenschicht wird eine Silberpaste verwendet. Die aktive Schicht des Thermistors wird durch den Multipass-Druck von PEDOT:PSS-Schichten aufgebracht. Alle fünf PEDOT:PSS-Schichten sind insgesamt etwa 1 µm dick. Da mehrere Schichten erforderlich sind, wird die perfekte Schichtübereinstimmung durch Ausrichtungsmarkierungen auf jeder gedruckten Schicht sichergestellt. Der anschließende Siebdruckprozess erfolgt auf einer halbautomatischen Siebdruckmaschine (Kammann K15 Q-SL) in drei Druckschritten, mit einem eigenen Sieb für jede Schicht. Wie in Abb. 1a-1 dargestellt, wird die Basiselektrode mit einer handelsüblichen Silberpaste (Loctite ECI 1010 E &C, Henkel) mit einer Siebfeinheit von 420 Fäden/Zoll (165 Fäden/cm) und einem Fadendurchmesser von 27 \ (\upmu\)m. Anschließend wird die Silberschicht auf einer Heizplatte bei 120 °C für 15 min ausgehärtet, wodurch schließlich eine Schichtdicke von ca. 3 \(\upmu\)m entsteht und sich ein Widerstand von ca. 19,6 \(\Omega\) ergibt. Die Gesamtlänge beträgt 10 mm bei einer Strichbreite von 400 \(\upmu\)m. Im darauffolgenden Schritt werden fünf einzelne PEDOT:PSS-Schichten (Clevios S V4, Heraeus) (Abb. 1a-2) auf die erste Silberelektrode gedruckt. Jede Schicht wird 10 Minuten lang auf einer Heizplatte bei 120 °C getrocknet, bevor die nächste Schicht aufgetragen wird. Das Sieb für PEDOT:PSS weist eine Feinheit von 350 Fäden/Zoll (140 Fäden/cm) und einen Fadendurchmesser von 31 \(\upmu\)m auf. Alle fünf PEDOT:PSS-Schichten haben zusammen eine Dicke von etwa 1 µm. Abschließend wird die obere Silberelektrode (Abb. 1a-3) mit den gleichen Parametersätzen wie die Basiselektrode gedruckt. Alle Filmdicken werden mit einem taktilen Stylus-Profiler (Dektak XT, Bruker) gemessen. Eine Nahaufnahme und die Oberflächenmessung der Sensorstruktur sind in Abb. 2 dargestellt. Aufgrund der Notwendigkeit mehrerer Schichten sind auf jeder gedruckten Schicht spezielle Ausrichtungsmarkierungen angebracht, um eine perfekte Schichtübereinstimmung zu gewährleisten. Der fertig gefertigte Sensor ist in Abb. 1b dargestellt.

Neben der angestrebten geringen Komplexität bietet das vorgestellte Sensorlayout eine hohe Fehlertoleranz für die Schichtausrichtung während des Druckprozesses. Die Sensorpixel werden durch die sich kreuzenden Silberelektroden mit der dazwischenliegenden PEDOT:PSS-Schicht definiert. Dementsprechend ist darauf zu achten, dass sich alle Elektroden überlappen. Angesichts der Gesamtgröße ist dies einfach durchzuführen. Die Größe des Zwischen-Thermistorpads ist größer gewählt als die Abmessungen des Elektrodengitters, wodurch mehr Platz für die Ausrichtung geschaffen wird. Zusätzlich haben wir an den Layouträndern mehrere Markierungen angebracht, an denen die Ebenen einfach ausgerichtet werden können. In der Praxis haben wir jede Schicht zunächst auf ein beigefügtes Papierblatt gedruckt, das anschließend die Ausrichtung des Drucksiebs perfekt darstellte. Dies war nur für die zweite und dritte Schicht erforderlich, wo die zuvor aufgetragene Schicht zur nächsten Schicht ausgerichtet werden musste. Mit den getroffenen Maßnahmen haben wir keine Probleme festgestellt, die auf eine Fehlausrichtung zurückzuführen sind.

Die zum Testen der räumlichen Auflösung des Sensorarrays verwendete Mikroheizung besteht aus einem flexiblen, 100 µm dicken Polyethylenterephthalat (PET)-Substrat mit einer aufgedruckten Silberschicht. Der Druckvorgang ähnelt dem der Basis-Silberelektrode des Temperatursensors. Es wird eine Schichtdicke von ca. 4 \(\upmu\)m verwendet. Unser Layout umfasst mehrere Heizkörperdesigns mit unterschiedlichen räumlichen Mustern, dargestellt in (Abb. 1c).

Um die gedruckten Mikroheizer genau zu charakterisieren, verwenden wir eine ImageIR 8300-Infrarotkamera (IR)40, um die resultierende Temperaturreaktion des gedruckten Mikroheizers bei einer bestimmten Eingangsleistung zu erfassen. Diese auf Indiumantimonid (InSb) basierende IR-Kamera bietet eine Messgenauigkeit von \(\pm \,{1}\,^\circ \text {C}\) mit einer Temperaturauflösung von \({0,025}\,\text {K}\). Abbildung 10 zeigt ein Beispiel des aufgenommenen Wärmebildes. Die Oberfläche der Mikroheizungen wurde mit einem schwarzen Klebeband abgedeckt, um einen bekannten Emissionsgrad zu erreichen. Dadurch kann die IR-Kamerasoftware eine interne Kalibrierung durchführen und mögliche Verluste bei der Messwertgenauigkeit ausgleichen. Der der Mikroheizung zugeführte Strom wurde in Schritten von \({ 20}\,\text {mA}\). Die resultierende Spannung wurde aufgezeichnet und anschließend der Gesamtstromverbrauch berechnet. Abbildung 11 zeigt den relativen Temperaturanstieg der gedruckten Mikroheizungen als Funktion der verbrauchten Leistung.

Infrarotbild einer gedruckten Mikroheizung im Betrieb.

Temperaturverhalten der gedruckten Mikroheizungen bei gegebener Leistung.

Der Messaufbau von Abb. 3a wurde zusammengestellt, um die allgemeine Funktionalität der gedruckten Sensoren zu validieren. Es besteht aus dem Temperatursensor-Array und der Peripherieschaltung, kombiniert mit einem thermoelektrischen (Peltier-)Element. Durch die Modulation seiner Eingangsspannung ermöglicht uns das Peltier-Element die Erzeugung kontrollierter Temperaturspuren durch Erhitzen und Kühlen des Sensorarrays. Dadurch ist es möglich, die Reaktion der Temperatursensoren zu überwachen und aufzuzeichnen. Die richtige Wärmeleitfähigkeit und elektrische Isolierung werden dadurch gewährleistet, dass die Temperatursensoranordnung zwischen zwei Isolierschichten aus Isolierband eingebettet wird. Dies verhindert außerdem Kurzschlüsse über die oberen und/oder unteren Aluminiumplatten. Um eine Referenztemperatur zu erhalten, wird ein externer Temperatursensor (DS18B20, Maxim Integrated) tief in der unteren Aluminium-Montageplatte platziert. Die Wärmeleitfähigkeit wird verbessert, indem der schmale, leere Raum zwischen dem externen Temperatursensor und dem umgebenden Aluminium mit einem dünnen Film aus Wärmeleitpaste (d. h. Wärmeleitpaste) gefüllt wird. Der gesamte Aufbau wird von einem Raspberry Pi Model 3B+ gesteuert, der die Stromversorgung des Peltier-Elements regelt, die Referenztemperatur überwacht und aufzeichnet und alle Messdaten des Temperatursensor-Arrays extrahiert. Die Einzelheiten zu den Abmessungen der im Evaluierungsaufbau verwendeten Komponenten sind in Tabelle 1 dargestellt. Beachten Sie, dass die Silberelektrode ein regelmäßiges Gitterlayout bildet. Beim Messen eines bestimmten Punktes auf dem Sensorblatt wird eine Spannung an eine bestimmte Zeile angelegt und Masse mit der entsprechenden Spalte verbunden, wodurch ein Strom fließen kann. Die PEDOT:PSS-Schicht verursacht einen temperaturabhängigen Spannungsabfall, der zur Rekonstruktion der Temperatur an dieser Stelle genutzt werden kann.

Die Datenerfassungsschaltung ist in Abb. 8 dargestellt. Jede Zeile und Spalte des Temperatursensor-Array-Blatts ist über einen flexiblen gedruckten Schaltkreis (FPC)-Anschluss mit einem Multiplexer verbunden. Der Gesamtaufbau besteht aus zwei FPC-Anschlüssen (einer für die Zeilen und einer für die Spalten). Jeder FPC ist mit einem analogen Multiplexer mit niedrigem Widerstand (2,5 \(\Omega\)) verbunden. Eine solche Anordnung ermöglicht es, jeden einzelnen zu messenden Sensor im gesamten Array auszuwählen. Der analoge Ausgang der Multiplexer wird dann an eine Wheatstone-Brückenschaltung weitergeleitet. Hier wird es durch einen integrierten HX711-Wägezellenverstärker mithilfe eines 24-Bit-Analog-Digital-Wandlers (ADC) verstärkt und digitalisiert. Der gesamte Messkreis wird von einem Raspberry Pi Modell 3B+ verwaltet, der Multiplexing, Timing, Verstärkerauslesung und Datenerfassung steuert.

Das NN wurde in Python 3 mithilfe der Scikit-Learn-Bibliothek41 implementiert und besteht aus vier Schichten: einer Eingabeschicht, zwei verborgenen Schichten und einer Ausgabeschicht. Jede verborgene Schicht besteht aus 15 Neuronen, was insgesamt 285 Gewichtungen ergibt. Die einzelnen Neuronen werden durch eine Sigmoidfunktion aktiviert, \(\frac{1}{1+e^{-x}}\) und der verwendete Gradientenabstiegsalgorithmus ist adam42.

Wie in Abb. 4a dargestellt, zeichnen wir kontinuierlich alle Messwerte des Temperatursensor-Arrays auf und behalten gleichzeitig die aktuelle Referenztemperatur im Auge. Die während dieser Lernphase des NN gesammelten Daten werden dann wie folgt aufgeteilt: 75 % für das Training, 15 % für die Validierung und 10 % für Testdaten. Im Durchschnitt dauert das Training des NN auf einer Intel Core i3-2100-CPU mit 3,10 GHz und 8 GB Arbeitsspeicher 32 Minuten, um einen \(R^2\)-Wert von 0,96 zu erreichen. Bemerkenswert ist, dass die Schulung während der Entwurfszeit ein einmaliger Aufwand ist.

In dieser Arbeit haben wir das erste Temperatursensor-Array demonstriert, das \(100+\) Sensoren auf einer kleinen Grundfläche (nur 1 cm\(^2\)) umfasst und auf unkomplizierte Weise vollständig gedruckt wird. Die erreichte Sensordichte und damit die bereitgestellte räumliche thermische Auflösung ist für vollständig gedruckte Temperatursensor-Arrays im Vergleich zum Stand der Technik unerreicht (siehe Tabelle 2). Um die Komplexität gering zu halten, haben wir auf eine bewährte und einfache Beschichtungsmethode wie Siebdruck in Kombination mit handelsüblichen gebrauchsfertigen Tinten zurückgegriffen. Die passive Matrixstruktur erfüllt die Einfachheitsanforderungen und besteht aus nur drei Schichten. Wir glauben, dass die Einfachheit ein Schlüssel für die Umsetzung eines solchen Ansatzes ist. Dies macht den Herstellungsprozess sowie den Ausrichtungsprozess und das Verhalten des Sensors selbst weniger fehleranfällig, äußerst kosteneffizient und einfach skalierbar. Zur Messung und Charakterisierung des Sensorarrays wurde eine spezielle autarke Ausleseeinheit entwickelt. Anschließend wurde ein ML-basierter Ansatz auf der Ausleseeinheit implementiert, der in der Lage ist, Schwankungen der Sensorfolie zu kompensieren und den Aufbau robust zu machen, wobei eine ziemlich hohe Temperaturvorhersagegenauigkeit von (1,22) °C erreicht wird. Der ML-basierte Ansatz ermöglicht es uns, zusätzlich mögliches Übersprechen zwischen benachbarten Sensoren zu berücksichtigen.

Die während der aktuellen Studie verwendeten und/oder analysierten Datensätze sind auf begründete Anfrage beim entsprechenden Autor erhältlich.

Trung, TQ & Lee, NE Flexible und dehnbare Plattformen mit integrierten physischen Sensoren für die tragbare Überwachung menschlicher Aktivitäten und die persönliche Gesundheitsversorgung. Adv. Mater. 28, 4338–4372. https://doi.org/10.1002/adma.201504244 (2016).

Artikel CAS PubMed Google Scholar

Liu, Q. et al. Ein leistungsstarker, flexibler Temperatursensor aus einer Doppelschicht aus Polyethylenimin und reduziertem Graphenoxid für die Echtzeitüberwachung. Adv. Mater. Technol. 4, 1800594. https://doi.org/10.1002/admt.201800594 (2019).

Artikel CAS Google Scholar

Han, S. et al. Batterielose, kabellose Sensoren für die Ganzkörper-Druck- und Temperaturkartierung. Wissenschaft. Übers. Med.https://doi.org/10.1126/scitranslmed.aan4950 (2018).

Artikel PubMed PubMed Central Google Scholar

Wang, YF et al. Vollständig gedruckter PEDOT:PSS-basierter Temperatursensor mit hoher Feuchtigkeitsstabilität für die drahtlose Gesundheitsüberwachung. Wissenschaft. Rep. 10, 1–8. https://doi.org/10.1038/s41598-020-59432-2 (2020).

Artikel CAS Google Scholar

Youn, DY et al. Drahtlose Echtzeit-Temperaturüberwachung von Blutverpackungen: Flexible Temperatursensoren mit eingebetteten Silbernanodrähten. ACS-Appl. Mater. Schnittstellen 10, 44678–44685. https://doi.org/10.1021/acsami.8b11928 (2018).

Artikel CAS PubMed Google Scholar

Li, Q., Zhang, L., Tao, X. & Ding, X. Übersicht über flexible Temperaturerfassungsnetzwerke für tragbare physiologische Überwachung. Adv. Gesundheitc. Mater. 6, 1601371. https://doi.org/10.1002/adhm.201601371 (2017).

Artikel CAS Google Scholar

Koivikko, A., Raei, ES, Mosallaei, M., Mäntysalo, M. & Sariola, V. Siebgedruckte Krümmungssensoren für Softroboter. IEEE Sens. J. 18, 223–230. https://doi.org/10.1109/JSEN.2017.2765745 (2018).

Artikel ADS CAS Google Scholar

Harada, S. et al. Vollständig gedruckte, flexible, fingerabdruckähnliche dreiachsige Tast- und Gleitkraft- und Temperatursensoren für künstliche Haut. ACS Nano 8, 12851–12857. https://doi.org/10.1021/nn506293y (2014).

Artikel CAS PubMed Google Scholar

Konishi, S. & Hirata, A. Flexibler Temperatursensor integriert mit weichen pneumatischen Mikroaktoren für funktionelle Mikrofinger. Wissenschaft. Rep.https://doi.org/10.1038/s41598-019-52022-x (2016).

Artikel PubMed PubMed Central Google Scholar

Nassar, JM et al. Konformes, leichtes, nicht-invasives, eigenständiges „Marine Skin“-Tagging-System. npj Flexible Electronics 2, 13. https://doi.org/10.1038/s41528-018-0025-1 (2018).

Artikel Google Scholar

Nassar, JM et al. Konforme Pflanzen-Wearables für die lokale Mikroklima- und Pflanzenwachstumsüberwachung. npj Flex. Elektron. 2, 24. https://doi.org/10.1038/s41528-018-0039-8 (2018).

Artikel Google Scholar

Farooqui, MF, Karimi, MA, Salama, KN & Shamim, A. 3D-gedruckte drahtlose Einwegsensoren mit integrierter Mikroelektronik für großflächige Umweltüberwachung. Adv. Mater. Technol. 2, 1700051. https://doi.org/10.1002/admt.201700051 (2017).

Artikel CAS Google Scholar

Hughes, G. et al. Jüngste Fortschritte bei der Herstellung und Anwendung von siebgedruckten elektrochemischen (Bio-)Sensoren auf Basis von Kohlenstoffmaterialien für biomedizinische, Agrar- und Lebensmittelanalysen und Umweltanalysen. Biosensors 6, 50. https://doi.org/10.3390/bios6040050 (2016).

Artikel CAS PubMed Central Google Scholar

El-Atab, N. et al. Heterogener kubischer mehrdimensionaler integrierter Schaltkreis für Wasser- und Ernährungssicherheit in Fischzuchtteichen. Klein 16, 1905399. https://doi.org/10.1002/smll.201905399 (2020).

Artikel CAS Google Scholar

Tudorache, M. & Bala, C. Biosensoren basierend auf Siebdrucktechnologie und ihre Anwendungen in der Umwelt- und Lebensmittelanalyse. Anal. Bioanal. Chem. 388, 565–578. https://doi.org/10.1007/s00216-007-1293-0 (2007).

Artikel CAS PubMed Google Scholar

Avramescu, A. et al. Biosensoren für die Umwelt- und Lebensmittelqualitätskontrolle basierend auf siebgedruckten Graphitelektroden mit unterschiedlichen Konfigurationen. Anal. Bioanal. Chem. 374, 25–32. https://doi.org/10.1007/s00216-002-1312-0 (2002).

Artikel CAS PubMed Google Scholar

Ren, X. et al. Ein flexibles Aktivmatrix-Temperatursensor-Array aus organischen Transistoren mit geringem Betriebsstrom. Adv. Mater. 28, 4832–4838. https://doi.org/10.1002/adma.201600040 (2016).

Artikel CAS PubMed Google Scholar

Amrouch, H. & Henkel, J. Klare Infrarot-Thermografie von thermisch eingeschränkten Prozessoren. Im Jahr 2015 IEEE/ACM International Symposium on Low Power Electronics and Design (ISLPED) 347–352. https://doi.org/10.1109/ISLPED.2015.7273538 (2015).

Zhang, J., Sadiqbatcha, S., O'Dea, M., Amrouch, H. & Tan, SX-D. Vollständige Chip-Leistungsdichte- und Wärmekartencharakterisierung für kommerzielle Mikroprozessoren unter Kühlkörperkühlung. IEEE-Transaktionen zum computergestützten Design integrierter Schaltkreise und Systeme 1–1. https://doi.org/10.1109/TCAD.2021.3088081 (2021).

Khan, S., Lorenzelli, L. & Dahiya, RS Technologien zum Drucken von Sensoren und Elektronik auf großen flexiblen Substraten: Ein Überblick. IEEE Sens. J. 15, 3164–3185. https://doi.org/10.1109/JSEN.2014.2375203 (2015).

Artikel ADS Google Scholar

Singh, M., Haverinen, HM, Dhagat, P. & Jabbour, GE Tintenstrahldruckverfahren und seine Anwendungen. Adv. Mater. 22, 673–685. https://doi.org/10.1002/adma.200901141 (2010).

Artikel CAS PubMed Google Scholar

Moya, A., Gabriel, G., Villa, R. & Javier del Campo. F. Tintenstrahlgedruckte elektrochemische Sensoren https://doi.org/10.1016/j.coelec.2017.05.003 (2017).

Metters, JP, Kadara, RO & Banks, CE Neue Wege bei siebgedruckten elektroanalytischen Sensoren: Ein Überblick über die jüngsten Entwicklungen. Analyst 136, 1067–1076. https://doi.org/10.1039/c0an00894j (2011).

Artikel ADS CAS PubMed Google Scholar

Chang, W.-Y. et al. Siebdrucktechnologie. Siebdruck. 5, 178–183 (2009).

Google Scholar

Zeng, Y. et al. Thermistoren mit positivem Temperaturkoeffizienten basierend auf Kohlenstoff-Nanoröhrchen/Polymer-Verbundwerkstoffen. Wissenschaft. Rep. 4, 1–7. https://doi.org/10.1038/srep06684 (2014).

Artikel CAS Google Scholar

Rahman, MT et al. Flexible Hochleistungs-Temperatursensoren durch Nanopartikeldruck. ACS-Appl. Nano Mater. 2, 3280–3291. https://doi.org/10.1021/acsanm.9b00628 (2019).

Artikel CAS Google Scholar

Xin, Y., Zhou, J. & Lubineau, G. Ein hoch dehnbarer, dehnungsunempfindlicher Temperatursensor nutzt den Seebeck-Effekt in nanopartikelbasierten gedruckten Schaltkreisen. J. Mater. Chem. A 7, 24493–24501. https://doi.org/10.1039/c9ta07591g (2019).

Artikel CAS Google Scholar

Trung, TQ, Ramasundaram, S., Hwang, B.-U. & Lee, N.-E. Ein vollständig aus Elastomer bestehender, transparenter und dehnbarer Temperatursensor für am Körper befestigbare tragbare Elektronikgeräte. Adv. Mater. 28, 502–509. https://doi.org/10.1002/adma.201504441 (2016).

Artikel CAS PubMed Google Scholar

Katerinopoulou, D. et al. Großflächige, vollständig bedruckte Temperaturmessflächen unter Verwendung neuartiger Verbund-Thermistormaterialien. Adv. Elektron. Mater. 5, 1800605. https://doi.org/10.1002/aelm.201800605 (2019).

Artikel CAS Google Scholar

Yokota, T. et al. Ultraflexible, großflächige, physiologische Temperatursensoren für Mehrpunktmessungen. Proz. Natl. Acad. Wissenschaft. USA 112, 14533–14538. https://doi.org/10.1073/pnas.1515650112 (2015).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Wang, Z. et al. Einfache Herstellung hoch wasserstabiler und flexibler organisch/anorganischer PEDOT:PSS-Verbundmaterialien und deren Anwendung in elektrochemischen Sensoren. Sens. Aktoren B 196, 357–369. https://doi.org/10.1016/J.SNB.2014.02.035 (2014).

Artikel CAS Google Scholar

Tan, Z. et al. Durch den Atmungseffekt unterstützter Transfer von großflächigem PEDOT:PSS auf ein PDMS-Substrat mit robuster Haftung für einen stabilen, flexiblen Drucksensor. Verbundwerkstoffe Teil A 143, 106299. https://doi.org/10.1016/J.COMPOSITESA.2021.106299 (2021).

Artikel CAS Google Scholar

Vuorinen, T., Niittynen, J., Kankkunen, T., Kraft, TM & Mäntysalo, M. Tintenstrahlgedruckte Graphen/PEDOT:PSS-Temperatursensoren auf einem hautanpassungsfähigen Polyurethansubstrat. Wissenschaft. Rep. 6, 1–8. https://doi.org/10.1038/srep35289 (2016).

Artikel CAS Google Scholar

Bali, C. et al. Vollständig tintenstrahlgedruckte flexible Temperatursensoren auf Basis von Kohlenstoff und PEDOT: PSS. Mater. Heute 3, 739–745. https://doi.org/10.1016/j.matpr.2016.02.005 (2016).

Artikel Google Scholar

Hong, SY et al. Dehnbare Aktivmatrix-Temperatursensoranordnung aus Polyanilin-Nanofasern für elektronische Haut. Adv. Mater. 28, 930–935. https://doi.org/10.1002/adma.201504659 (2016).

Artikel CAS PubMed Google Scholar

Chen, Y., Lu, B., Chen, Y. & Feng, X. Atmungsaktive und dehnbare Temperatursensoren, inspiriert von der Haut. Wissenschaft. Rep. 5, 1–11. https://doi.org/10.1038/srep11505 (2015).

Artikel Google Scholar

Dankoco, MD, Tesfay, GY, Benevent, E. & Bendahan, M. Temperatursensor realisiert durch Tintenstrahldruckverfahren auf flexiblem Substrat. Mater. Wissenschaft. Ing. B 205, 1–5. https://doi.org/10.1016/j.mseb.2015.11.003 (2016).

Artikel CAS Google Scholar

Duby, S., Ramsey, B., Harrison, D. & Hay, G. Gedruckte Thermoelementgeräte. Proz. IEEE Sens. 3, 1098–1101. https://doi.org/10.1109/icsens.2004.1426367 (2004).

Artikel Google Scholar

Knoll, M., Offenzeller, C., Mayrhofer, B., Jakoby, B. & Hilber, W. Ein siebgedrucktes Thermoelement-Array auf einem flexiblen Substrat zur Zustandsüberwachung. Proceedings 2, 803. https://doi.org/10.3390/proceedings2130803 (2018).

Artikel Google Scholar

Kamera der Infratec Imageir 8300-Serie. https://www.infratec.eu/thermography/infrared-camera/imageir-8300/ (Zugriff am 06. Juli 2022).

Pedregosa, F. et al. Scikit-learn: Maschinelles Lernen in Python. J. Mach. Lernen. Res. 12, 2825–2830 (2011).

MathSciNet MATH Google Scholar

Kingma, DP & Ba, J. Adam: Eine Methode zur stochastischen Optimierung. In Bengio, Y. & LeCun, Y. (Hrsg.) 3rd International Conference on Learning Representations, ICLR 2015, San Diego, CA, USA, 7.–9. Mai 2015, Conference Track Proceedings (2015).

Shih, WP et al. Flexibles Temperatursensor-Array auf Basis eines Graphit-Polydimethylsiloxan-Verbundwerkstoffs. Sensoren 10, 3597–3610. https://doi.org/10.3390/s100403597 (2010).

Artikel ADS CAS PubMed PubMed Central Google Scholar

Han, IY & Kim, SJ Dioden-Temperatursensor-Array zur Messung von Oberflächentemperaturen im Mikromaßstab mit hoher Auflösung. Sens. Aktoren A 141, 52–58. https://doi.org/10.1016/J.SNA.2007.07.020 (2008).

Artikel CAS Google Scholar

Kanao, K. et al. Hochselektive flexible taktile Dehnungs- und Temperatursensoren gegen Substratbiegung für eine künstliche Haut. RSC Adv. 5, 30170–30174. https://doi.org/10.1039/C5RA03110A (2015).

Artikel ADS CAS Google Scholar

Yokotaa, T. et al. Ultraflexible, großflächige, physiologische Temperatursensoren für Mehrpunktmessungen. Proz. Natl. Acad. Wissenschaft. USA 112, 14533–14538. https://doi.org/10.1073/pnas.1515650112 (2015).

Artikel ADS CAS Google Scholar

Referenzen herunterladen

Die Autoren danken dem CES am KIT für die Unterstützung. Die Autoren bedanken sich für die Förderung durch das Bundesministerium für Bildung und Forschung (BMBF) unter dem Förderkennzeichen 03INT606AG sowie für die finanzielle Unterstützung der Deutschen Forschungsgemeinschaft (DFG) im Rahmen der Deutschen Exzellenzstrategie durch den Exzellenzcluster 3D Matter Made to Order (EXC-2082/1-390761711) und DFG-Stipendium 428566201 („ACCROSS“, AM 534/3-1). Die Autoren danken Munazza Sayed für ihre Unterstützung bei der Bearbeitung des Manuskripts und Andres Roesch für die Durchsicht des Manuskripts.

Open-Access-Förderung ermöglicht und organisiert durch Projekt DEAL.

Diese Autoren haben gleichermaßen beigetragen: Tim Bücher und Robert Huber.

Universität Stuttgart, Semiconductor Test and Reliability (STAR), Pfaffenwaldring 47, 70569, Stuttgart, Deutschland

Tim Bücher & Hussam Amrouch

Karlsruher Institut für Technologie (KIT), Lichttechnisches Institut (LTI), Engesserstraße 13, 76131, Karlsruhe, Deutschland

Robert Huber & Uli Lemmer

Karlsruher Institut für Technologie (KIT), Institut für Photonik und Quantenelektronik (IPQ), Engesserstraße 5, 76131, Karlsruhe, Deutschland

Carsten Eschenbaum & Adrian Mertens

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

TB entwarf die Peripherieschaltung und führte die Messexperimente durch. RH, CE und AM entwarfen das Layout des Temperatursensor-Arrays und druckten die Proben. TB, HA und RH validierten und interpretierten die gemessenen Daten. UL überwachte und leitete die Forschung an den gedruckten Sensoren. HA konzipierte die Arbeit, plante die durchgeführten Experimente, koordinierte und leitete die Forschung. Alle Autoren haben zum Verfassen des Manuskripts beigetragen.

Korrespondenz mit Hussam Amrouch.

Die Autoren geben an, dass keine Interessenkonflikte bestehen.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die ursprünglichen Autor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/.

Nachdrucke und Genehmigungen

Bücher, T., Huber, R., Eschenbaum, C. et al. Gedrucktes Temperatursensor-Array für hochauflösende thermische Kartierung. Sci Rep 12, 14231 (2022). https://doi.org/10.1038/s41598-022-18321-6

Zitat herunterladen

Eingegangen: 05. Juli 2022

Angenommen: 09. August 2022

Veröffentlicht: 20. August 2022

DOI: https://doi.org/10.1038/s41598-022-18321-6

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein gemeinsam nutzbarer Link verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt

Zeitschrift für Materialwissenschaft (2023)

Durch das Absenden eines Kommentars erklären Sie sich damit einverstanden, unsere Nutzungsbedingungen und Community-Richtlinien einzuhalten. Wenn Sie etwas als missbräuchlich empfinden oder etwas nicht unseren Bedingungen oder Richtlinien entspricht, kennzeichnen Sie es bitte als unangemessen.