แว่นตาอัจฉริยะไร้แบตเตอรี่ติดตามอัตราการเต้นของหัวใจและพฤติกรรมการกินผ่านการกะพริบตาและการเคลื่อนไหวของขากรรไกร

แว่นตาที่ใช้ในชีวิตประจำวันในอนาคตคาดว่าจะสามารถติดตามการทำงานของหัวใจ การกัด และพฤติกรรมการกินผ่านเซ็นเซอร์ โดยไม่ต้องใช้แบตเตอรี่ นี่คือรายงานการวิจัยของวิศวกรจาก Northwestern University ต้นแบบนี้มีชื่อว่า GlassTENG ใช้เซ็นเซอร์เก็บพลังงานกลที่เกิดจากการเคลื่อนไหวของใบหน้า แล้วแปลงเป็นไฟฟ้าที่จำเป็นสำหรับการตรวจจับ Nivedita Arora จาก McCormick School of Engineering แห่ง Northwestern University ซึ่งร่วมในงานวิจัยนี้ กล่าวว่า จุดประสงค์คือการเปลี่ยนแว่นตาให้เป็นอุปกรณ์สวมใส่เพื่อสุขภาพ โดยไม่ต้องเปลี่ยนแปลงนิสัยการใช้งานของผู้คน เนื่องจากประชากรประมาณครึ่งหนึ่งสวมแว่นตาอยู่แล้ว

แก่นของการออกแบบประกอบด้วยไทรโบอิเล็กทริกนาโนเจนเนอเรเตอร์แบบบางเฉียบสามตัว พวกมันอาศัยหลักการไฟฟ้าสถิต เมื่อวัสดุสองชนิดที่แตกต่างกันสัมผัสกันแล้วแยกออกจากกัน อิเล็กตรอนสามารถเคลื่อนที่ระหว่างวัสดุทั้งสองและสร้างประจุไฟฟ้าชั่วขณะ เซ็นเซอร์แบบยืดหยุ่นแต่ละตัวมีโครงสร้างหลายชั้น ซึ่งบีบและดึงออกอย่างต่อเนื่องตามการเคลื่อนไหวของใบหน้า การกะพริบตาอย่างรวดเร็ว การเกร็งกราม หรือเลือดไหลในหลอดเลือดแดงสามารถขับเคลื่อนเซ็นเซอร์เหล่านี้ได้ Arora กล่าวว่าการกะพริบตาช่วยจ่ายไฟให้เซ็นเซอร์ที่ตรวจจับการกะพริบตา

การออกแบบและฟังก์ชันของเซ็นเซอร์

ทีมวางเซ็นเซอร์ตัวหนึ่งไว้ที่สันจมูก ใกล้กับหลอดเลือดแดงแองกูลาร์และกล้ามเนื้อรอบดวงตา เพื่อตรวจจับชีพจร การกะพริบตา และการเคลื่อนไหวของคิ้ว เซ็นเซอร์ตัวที่สองอยู่ใกล้ขมับ ปิดทับบนหลอดเลือดแดงขมับชั้นตื้น เพื่อตรวจจับชีพจรและการเคลื่อนไหวของกราม เซ็นเซอร์ตัวที่สามอยู่ใกล้หูมากขึ้น รับรู้การเคี้ยวและการเกร็งกราม การเคลื่อนไหวที่แตกต่างกันให้ลายนิ้วมือพลังงานไฟฟ้าที่แตกต่างกัน แรงที่เบาที่สุดอย่างชีพจรในหลอดเลือดแดงสามารถสร้างแรงดันไฟฟ้าประมาณ 50 ถึง 100 มิลลิโวลต์ ขณะที่การกะพริบตาและการยกคิ้วสร้างประมาณ 200 ถึง 500 มิลลิโวลต์ และการเคลื่อนไหวกรามที่รุนแรง เช่น การเคี้ยวและการเกร็งกราม สามารถไปถึง 1.5 โวลต์

ในการทดสอบ ผู้เข้าร่วม 20 คนสวมแว่นตาและทำกิจกรรมต่างๆ ได้แก่ การกะพริบตา การยกคิ้ว การกัด การเคาะฟัน การกิน และการพูดคุย อัลกอริทึมแมชชีนเลิร์นนิงวิเคราะห์สัญญาณเพื่อระบุแต่ละกิจกรรม โดยมีความแม่นยำ 93.8% ในการจำแนกกิจกรรมหกประเภท แว่นตามีอัตราการจดจำการเคาะฟันที่ 99% และการเกร็งกรามที่ 96% และสามารถแยกแยะการเคลื่อนไหวเหล่านี้จากกิจกรรมในชีวิตประจำวัน เช่น การพูดคุยและการกิน

อุปกรณ์สวมใส่หลายชนิดใช้พลังงานอย่างต่อเนื่อง ซึ่งต้องใช้แบตเตอรี่ขนาดใหญ่ขึ้นและการชาร์จเป็นประจำ ขณะที่เซ็นเซอร์ทั้งสามตัวของ GlassTENG ใช้พลังงานรวมเพียง 4.1 ไมโครวัตต์ ซึ่งต่ำกว่าเทคโนโลยีการตรวจจับแบบดั้งเดิมหลายชนิดอยู่หลายอันดับขนาด ข้อมูลถูกส่งผ่าน Bluetooth ไปยังสมาร์ทโฟนหรือแท็บเล็ต

การประยุกต์ใช้ที่เป็นไปได้ของเทคโนโลยี

นักวิจัยเชื่อว่าเทคโนโลยีนี้สามารถใช้ติดตามสุขภาพหัวใจและหลอดเลือด ปัญหาการสบฟัน (การเกร็งกรามโดยไม่ตั้งใจและการสึกหรอของฟัน) ความเหนื่อยล้า และพฤติกรรมการกินในชีวิตประจำวัน Nabil Alshurafa ผู้เขียนร่วมและรองศาสตราจารย์ด้านเวชศาสตร์ป้องกัน วิทยาการคอมพิวเตอร์ และวิศวกรรมไฟฟ้าและคอมพิวเตอร์ กล่าวว่า แว่นตาสามารถกระตุ้นให้ผู้สวมใส่ผ่อนคลายกรามที่เกร็ง หรือใส่ใจพฤติกรรมการกินมากขึ้น Arora กล่าวว่าเป้าหมายระยะยาวคือการบรรลุการประมวลผลบนอุปกรณ์โดยไม่ต้องใช้แบตเตอรี่ เพื่อให้แว่นตาสามารถให้ผลตอบกลับแบบทันทีเมื่อตรวจพบเหตุการณ์ทางสรีรวิทยา Alshurafa ชี้ว่าเป้าหมายคือทำให้อุปกรณ์สวมใส่ช่วยผู้คน "รับรู้และเปลี่ยนแปลงพฤติกรรมในขณะนั้น"

งานวิจัยนี้ตีพิมพ์ในรายงานการประชุมของ ACM International Symposium on Wearable Computing ประจำปี 2026 นักศึกษาระดับปริญญาโท Raj Dave, Jovanis Prodanich และ Yung-ching Lai ร่วมเป็นผู้เขียนคนแรก ขณะที่ Ansys, Inc. สนับสนุนงานนี้บางส่วน

แนวโน้มของเทคโนโลยีสวมใส่ไร้แบตเตอรี่

การออกแบบที่สร้างสรรค์ของแว่นตา GlassTENG ไม่เพียงขจัดการพึ่งพาแบตเตอรี่แบบดั้งเดิม แต่ยังสามารถติดตามภาวะสุขภาพของผู้สวมใส่ได้อย่างมีประสิทธิภาพ การพัฒนาเทคโนโลยีนี้มีความสำคัญต่อตลาดอุปกรณ์สวมใส่ เพราะสามารถลดความจำเป็นในการชาร์จและยกระดับประสบการณ์ของผู้ใช้ เมื่อความสนใจในการจัดการสุขภาพของผู้คนเพิ่มขึ้น ความสามารถในการใช้งานจริงและความสะดวกของอุปกรณ์ประเภทนี้จะดึงดูดผู้ใช้มากขึ้น นอกจากนี้ ด้วยการวิเคราะห์ข้อมูลทางสรีรวิทยาผ่านแมชชีนเลิร์นนิง แว่นตาเหล่านี้มีศักยภาพที่จะเป็นเครื่องมือสำคัญสำหรับการติดตามสุขภาพในชีวิตประจำวัน ช่วยให้ผู้คนจัดการวิถีชีวิตและพฤติกรรมสุขภาพได้ดีขึ้น