随着健身的普及和竞技体育的迅速恢复，与体育相关的伤害持续增加（Alrushud, 2024; Kimura et al. 2024; Silva et al., 2022）。根据国家安全委员会的数据，2024年美国的体育伤害发生率比前一年增加了17%（National Safety Council, 2024）。急诊部门的监测进一步显示，在青少年体育伤害中，膝关节伤害占29.0%（Johns Hopkins Medicine, 2024）。值得注意的是，相当一部分膝关节伤害通常是由于训练或比赛中的不当运动模式引起的，包括过度关节屈曲和姿势控制不足（Afshar et al., 2025; Sukopp et al., 2021）。因此，建立高效且连续的体育监测系统以避免体育伤害迫在眉睫（Arzehgar et al., 2025; Ray et al., 2019; Ren et al., 2024）。
目前，研究人员主要依靠光学运动捕捉（Buckley et al., 2019; Topley and Richards, 2020）、表面肌电图（Cheng et al., 2023; Oh et al., 2022）和无标记运动捕捉（Kidziński et al., 2020; Munn et al., 2018）来监测膝关节的屈曲角度。这些方法能够收集膝关节的运动学和动力学数据，为姿势分析和伤害机制研究奠定了重要基础。然而，这些传统的商业生物力学评估技术受到高成本和严格位置要求的限制，极大地限制了它们在现实世界训练和比赛环境中的应用（Simon, 2004; Wade et al., 2022）。此外，它们的应用还受到缺乏其他重要运动相关信息（如深蹲姿势和速度）的制约。在这种背景下，柔性可穿戴传感器因其低成本、高便携性和优异的皮肤贴合性而成为监测膝关节屈曲角度的理想解决方案（Chang et al., 2025a; Chang et al., 2025b; Zhang et al., 2018）。
在柔性可穿戴传感器中，主流类型包括压电式（Chen et al., 2025; Vaghasiya et al., 2023）、电容式（Cao et al., 2025; Shi et al., 2024）、摩擦电式（Liu et al., 2025; Rahman et al., 2023; Zhang et al., 2022）和电阻式（Liu et al., 2024; Tan et al., 2020; Zhang et al., 2024; Zhu et al., 2023）。电阻式传感器将机械变形转换为可测量的电阻变化，具有简单的信号读出、易于制造、高柔韧性和低功耗的优点。因此，它们特别适合在体育训练和竞技赛事等真实环境中连续、实时监测关节屈曲角度。Raza et al.（2022）报道了一种基于激光诱导的石墨烯柔性电阻传感器，能够在排球活动中同时监测手腕和膝关节的屈曲。Nakamoto et al.（2023）开发了一种超薄、高延展性、低模量的应变传感器，能够实时监测膝关节和踝关节的屈曲角度，其误差相对于运动捕捉系统在±5°以内。Aliyana et al.（2024）设计了一种基于导电缝纫线的纺织应变传感器，并将其集成到运动服装中，开发了一个物联网支持的系统，实现膝关节屈曲和健身锻炼的实时监测。Hermann et al.（2020）设计了一种基于硅纤维RAU-SIK8520的电阻传感器，并将其嵌入压缩滑雪基础层裤中。经过静态校准后，使用线性模型计算出即时膝关节屈曲角度，与参考测量值的平均偏差为10.6°±7.5°。尽管在膝关节屈曲角度监测方面取得了显著进展，但仍有一些常见问题需要解决。首先，当应变传感器部署在关节上并固定在两个不同位置时，关节旋转会导致连接点之间的距离发生显著变化，从而导致传感器应变远大于人体运动期间经历的局部皮肤应变（通常不超过30%（Shyr et al., 2014; Watson et al., 2020））。然而，大多数现有的应变传感器采用基于纤维的结构，延展性有限且工作应变范围狭窄。因此，它们往往无法覆盖关节的完整屈伸周期，无法满足训练和竞技场景中常见的大幅度关节运动监测需求（Wang et al., 2019）。其次，最近的研究主要集中在定量识别上，仅建立了初步的映射模型来关联电阻信号与屈曲幅度。线性近似的假设吸引了更多关注，这会导致不准确的相关性，使得难以实现高精度的膝关节屈曲角度实时监测（Wang et al., 2023）。最后，深蹲速度、幅度和频率是评估训练效果的关键参数，但在现有研究中经常被忽视。在这种背景下，最近的研究表明，将柔性传感器与人工智能（AI）相结合可以实现手部运动的高效和通用识别（Hu et al., 2025; Kim et al., 2020; Kim et al., 2023; Pyun et al., 2023; Zhang et al., 2025）。然而，现有研究主要集中在手部或上肢运动上，而对大幅度膝关节运动的实时监测和智能分析研究相对较少。因此，将AI辅助的可穿戴传感策略扩展到下肢生物力学，特别是在深蹲等动态训练活动中，具有重要的实际意义。
为了解决上述挑战，我们提出了一种蜂窝状柔性电阻应变传感器（HSFRSS），该传感器具有颗粒状微结构，并结合了人工智能算法，用于实时监测膝关节屈曲角度和识别错误的深蹲模式。从传感机制的角度来看，拉伸引起的导电网络内的微裂纹形成会破坏电子传输路径，导致电阻变化，而释放时网络重建会恢复电阻，从而实现可逆和稳定的应变监测。从结构设计的角度来看，蜂窝架构有效地增强了柔性基底的整体延展性，而颗粒状微结构显著增加了（多壁碳纳米管）MWCNTs在基底上的粘附面积（增加了约119.6%），从而在高应变范围内保持了导电网络的连续性。得益于这种双尺度结构设计的协同效应，该传感器表现出出色的整体性能，包括宽工作范围（0–200%），在100%–200%的应变范围内灵敏度（GF）高达541，优异的耐用性（经过1000次拉伸-释放循环后最大信号偏差仅为3.2%），以及在涉及不同温度和湿度水平的复杂环境条件下的强大稳定性。为了准确将电阻变化映射到深蹲过程中的膝关节屈曲角度，进一步优化并采用了一个预测性能最佳的决策树回归算法，实现了99.9%的预测准确率，实现了关节运动状态的实时监测和即时用户反馈。值得注意的是，该模型在不同身体特征的人群中保持至少97.8%的预测准确率，显示出强大的泛化能力。此外，通过结合全连接神经网络（FNN），标准深蹲模式和典型的错误模式（如不均匀的深蹲速度、不一致的深蹲幅度和不规则的重复间隔）都被准确识别，在不同受试者中实现了100%的分类准确率。这些结果共同展示了所提出系统在体育训练应用中智能运动监测和姿势矫正方面的巨大潜力。
