Optimización de una Nariz Electrónica a través de un método de selección de variables (Optimizing an electronic nose through a variable selection method)

Published in: Megaprojects: Building Infrastructure by Fostering Engineering Collaboration, Efficient and Effective Integration and Innovative Planning: Proceedings of the 10th Latin American and Caribbean Conference for Engineering and Technology
Date of Conference: July 23-25, 2012
Location of Conference: Panama City, Panama
Authors: Cristhian Manuel Durán Acevedo
Oscar Eduardo Gualdron
Refereed Paper: #166

Abstract

In English:
This paper describes an artificial sensing system (Electronic Nose), which is composed of an array of 16 chemical gas sensors and signal processing methods for classification of chemical compounds. A total of three volatile organic compounds (VOC) were used such as aromatic hydrocarbons (benzene, toluene and xylene) at different concentration levels of 500, 1000 and 1500 ppm (parts per million). The results were compared with pattern recognition methods (MLP, PNN, SVM) and the variable selection technique “Simulated annealing (SA)” and PNN (Probabilistic Neural Network), obtaining a reduction in the matrix data and reaching a success rate of 100% of classification.


In Spanish:
El presente trabajo describe un sistema de percepción artificial (Nariz Electrónica), el cual es compuesto de una matriz de 16 sensores de gases químicos y métodos de procesamiento de señales para la clasificación de compuestos químicos. Se utilizaron en total tres compuestos orgánicos volátiles (COV), de tipo hidrocarburos aromáticos (Benceno, Tolueno y Xileno) a diferentes niveles de concentración de 500, 1000 y 1500 ppm (partes por millón). Se compararon los resultados con métodos de reconocimiento de patrones (MLP, PNN, SVM, SVM Multiclase, SVM con Mínimos Cuadrados) y la técnica de selección de variables “Simulated annealing (SA) y PNN (Probabilistic Neural Network), obteniendo una reducción importante de la matriz de datos y llegando a un porcentaje de acierto de hasta 100 % de clasificación.