摘 要: 表面传播是大多消化道传染病的主要传播途径,也是一些呼吸道传染病的潜在传播途径。人员触摸行为决定病毒通过表面传播的风险。目前针对表面触摸行为的研究,均基于肉眼观察,工作量极大、精度低、数据丢失多(视频被遮挡)、无法收集接触面积及力度等。因此,为了降低人员触摸行为数据的收集难度、提高数据精度,本研究设计了一种基于薄膜压力传感器、Arduino控制板、信号转换模块等组件的触摸传感系统,该系统主要以Arduino Mega 2560开发板为控制中心,并采用信号转换、数据存储等模块配合薄膜压力传感器运行,实现在特定场景中对人员触摸行为数据的智能检测、收集与分析。采用一套触摸传感系统和一台视频监控设备,以研究生办公室工位为例,开展了时长两小时的桌面测试实验。数据收集后对数据进行降噪处理和数理统计分析,最终收集到在该桌面区域内包括压力大小、触摸频率与持续时间在内的人员触摸行为,同时利用监控画面对实验数据进行校核。我们共在工位区域布置了7个传感器(S1~S7),其中S1、S4布置在远离桌面边缘区域,S2、S3、S5在靠近桌面区域依次排开,S6、S7分别覆盖鼠标右键及鼠标右侧部位。实验结果表明,薄膜压力传感器S1~S7的触摸频率分别为0次/小时、19次/小时、215次/小时、0次/小时、53次/小时、129次/小时和22次/小时。因此,远离桌面边缘的传感器(S1、S4)无接触,桌面中间区域(S3)触摸次数最多,即具有最高的触摸频率。鼠标右键和鼠标右侧部位(S6、S7)触摸频率分别为129次/小时和22次/小时,触摸总时长分别为531秒和73秒。研究表明,该触摸传感系统可准确检测并收集人员触摸行为数据,为人员触摸行为研究提供新思路,同时可为传染病的表面传播风险分析及防疫策略评估提供数据支撑。下一步可通过数据中的特征参数,如接触表面、压力大小、接触时间等,结合机器学习算法来区分手部触摸行为和非手部触摸行为,进而计算手部与各表面接触后的病毒载量与传播风险。