近十年来，人工智能（AI）的快速发展极大地提高了可穿戴设备处理复杂数据的能力。在这背后，机器学习（AI算法的一个主要类别）及其重要分支——深度学习是这一波AI浪潮的主要推动力。机器学习省去了人工提取数据特征的人力成本，其深度学习分支对隐藏特征具有强大的洞察力。它们对数据的巨大需求与这个信息爆炸时代带来的海量信息相契合。
图片来源：《Advanced Devices & Instrumentation》
据外媒报道，新加坡南洋理工大学（Nanyang Technological University）的研究团队总结了所有与光纤传感器结合使用的机器学习算法，主要分为两类：传统机器学习算法和深度学习算法。传统机器学习算法包括线性回归（LR）、k最近邻（KNN）、支持向量机（SVM）、随机森林、XGBoost和k均值聚类。相关研究成果已发表在期刊《先进仪器与器件》（Advanced Devices & Instrumentation）上。
在对机器学习算法有了大致了解后，这项研究根据光纤传感器的工作原理和光纤尺寸对其进行了分类和总结。工作原理主要分为两类：光学和电学。光学原理包括FBG、法布里-珀罗干涉仪（Fabry-Pérot interferometer）、散斑图和光强，电学原理包括压阻、摩擦电、EMG和光纤芯片。
光纤传感器是日常佩戴的硬电子设备的可行替代品。结合机器学习，它们还可以作为日常智能服装，但仍有许多方面需要改进。
首先，目前大多数使用机器学习的光纤传感器只能收集单一类型的信号，这种信号通常是机械力和变形，比如手套中基于压力的手势识别。其它信息，如光强、光色、温度、湿度、表面粗糙度和其它非常有意义的信息，则没有被整合。其次，机器学习算法日新月异。最新的算法，如强化学习、生成对抗网络（GAN）、自监督学习和注意力机制（GPT），在这一领域的应用很少。
随着上述方向的进一步研究，基于光纤传感器和人工智能的可穿戴设备有望变得更加智能、舒适和高效，并进入每个人的日常生活。
