近日，西安电子科技大学空间科学与技术学院在仿生非接触感知研究领域取得重要突破。研究团队受电鳗电定位机制启发，提出一种基于驻极体准静态电场扰动的固态非接触感知方法，并在接近预警、材料识别、涂层缺陷检测及非接触人机交互等场景中成功验证。相关成果已发表于《先进材料》期刊。

非接触感知技术在智能制造、人机交互、机器人感知和工业检测等领域具有广阔应用前景。然而，现有近距感知技术多依赖光学、超声、电感、磁性或电容耦合等机制，在目标材料复杂、光照条件变化、接触受限或长期稳定运行等场景中仍存在局限性。

自然界中，电鳗能主动建立准静态电场，并通过感知周围物体对电场的扰动实现环境探测和目标识别。受此启发，研究团队构建了基于电晕极化含氟聚合物驻极体的仿生静电场传感器。该传感器通过预极化驻极体建立准静态电场，当外界目标靠近或运动时，目标的导电性、介电特性和几何边界等因素会改变局部电场分布，并在接地背电极上产生可测量的电势调制信号，从而实现非接触感知。

基于上述机制，团队开展了多场景应用验证。在接近预警和无接触交互实验中，传感器能响应目标或手部靠近引起的静电场扰动，输出可区分的电势信号，用于多级安全提示和非接触开关控制。在材料识别方面，团队通过标准化运动轨迹采集不同材料目标的扰动信号，实现了多种典型材料的非接触识别，并展示了其在动态分拣中的应用潜力。在人机交互方面，团队重点验证了该传感机制对手势动作的非接触识别能力。手部在传感区域附近运动时，会改变驻极体建立的局部准静态电场，产生具有差异性的电势响应信号。

通过对典型手势信号进行时频特征分析，并结合神经网络模型，系统实现了不同手势类别的识别。进一步地，团队将识别结果与机械臂控制系统相结合，完成了从“手势输入-信号采集-智能识别-机械臂动作执行”的闭环演示。该结果表明，基于驻极体静电场扰动的非接触感知方法可为低功耗、无接触人机交互和机器人控制提供一种可选技术路径。

在涂层缺陷检测方面，研究团队以导电膜玻璃、不锈钢/聚酰亚胺复合材料和紫外固化PMMA涂层为典型对象，制备了不同面积比例的缺陷样品。实验结果显示，不同缺陷程度会引起具有差异性的电场扰动信号。结合轻量化卷积神经网络模型，系统在三类样品上的缺陷识别中取得了较好的分类结果。相关研究为发展低功耗、非接触、材料适应性较强的新型智能感知器件提供了参考。