Diseño De Una Naríz Electrónica Como Discriminador De Olores Utilizando Algoritmos Genéticos Y Redes Neuronales Artificiales

• Autores: Flores Vega, Christian Humberto, Li Ku, Antonio Eugenio
• Formato: tesis de grado
• Fecha de Publicación: 2007
• Institución: Universidad Ricardo Palma
• Repositorio: URP-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.urp.edu.pe:20.500.14138/84
• Enlace del recurso: https://hdl.handle.net/20.500.14138/84
• Nivel de acceso: acceso abierto
• Materia: Algoritmos; Geneticos; https://purl.org/pe-repo/ocde/ford#2.02.00

En este trabajo de tesis se muestra el diseño de una nariz electrónica con 6 sensores semiconductores (Figaro), donde dicha matriz de sensores se hace indispensable debido a que la discriminación de olores no se determina por la particularidad de un sensor sino de su interpretación en conjunto. El diseño de la nariz electrónica consta de (1) una etapa de acondicionamiento de flujo de aire, (2) una cámara de muestra, (3) una cámara de medida y (4) una etapa de captura y procesamiento de datos. El sistema esta caracterizado para trabajar en condiciones de 20° ± 2 °C, 65 ± 5% R.H., sin estas condiciones no se puede efectuar una medición. Parte de su construcción está hecha con accesorios de acero inoxidable para reducir toda posible interferencia. Asimismo, la matriz de sensores está diseñada de una manera, para poder reemplazar rápidamente un sensor por motivo de mantenimiento, o colocar otros tipos de sensores para una investigación futura que requiera otros parámetros. El procesamiento de datos de la nariz electrónica fue realizado mediante el uso de Redes Fuzzy ARTMAP y Algoritmos Genéticos. Donde, se desarrolló una operación de entrenamiento de la Red Neuronal, para discriminar y/o clasificar olores de alcohol, vino, jugo de naranja y cerveza. El número total de variables utilizadas fue 60, de los 6 sensores utilizados (10 parámetros extraídos por cada sensor). Tal conjunto de variables fue utilizado para dos tipos de clasificación; la primera clasificación, empleando sólo las Redes Fuzzy ARTMAP que dieron como resultado una clasificación del 100% con un valor de Wija = 474,4247 (parámetro que mide el grado de dificultad computacional); y, en una segunda clasificación, utilizando selección de variables (con Algoritmos Genéticos) y Redes Fuzzy ARTMAP obteniendo una clasificación al 100%, pero con un valor de Wija igual a 5,7 y utilizando una sola variable de un solo sensor. Entonces se concluye que con esta selección de variables se reducen costos y tiempo computacional, debido que con un solo sensor podemos discriminar los 04 olores mencionados anteriormente.