Análisis de componentes principales utilizando python para identificar clúster asociados a muestras de cacao seco sano e infectado con monilia en Norte de Santander

Autores/as

DOI:

https://doi.org/10.15649/2346030X.712

Palabras clave:

Olfato electrónico, Procesamiento de datos, Aprendizaje no supervisado, Software Python, secado de cacao.

Resumen

El resultado del proyecto de investigación está asociado a data proveniente de la implementación de un sistema electrónico
multisensorial o común mente denominado olfato electrónico. Mediante el uso de un sistema de adquisición de datos y software LabView se
almacena la data de la concentración de volátiles asociados a muestras de cacao sano e infectado con monilia, aplicado en la fase o etapa de
secado. Una vez adquirido los datos se procede a implementar en el software Python el pre-procesamiento y procesamiento de data, permitiendo
al usuario por medio de un gráfico identificar el clúster asociados a cada clase, cacao sano o con monilia. Como método para aprendizaje de
automático no supervisado, se implementa análisis de componentes principales PCA para el respectivo procesamiento. Los resultados obtenidos
varían de acuerdo al método de preprocesado de datos. Para el desarrollo se implementó un escalador robusto y preprocesado euclidiano, el cual
presenta mejores resultados de agrupamiento de muestras por clase

Biografía del autor/a

Alexander Flórez-Martínez, Universidad Nacional Abierta y a Distancia

Docente Universidad Nacional Abierta y a Distancia, Colombia

Jesus Omar Vargas-Flórez, Universidad Nacional Abierta y a Distancia

Docente Universidad Nacional Abierta y a Distancia, Colombia

Harold Esneider Perez-Waltero, Universidad Nacional Abierta y a Distancia

Universidad Nacional Abierta y a Distancia, Colombia

Lucas Fernando Quintana-Fuentes, Universidad Nacional Abierta y a Distancia

Universidad Nacional Abierta y a Distancia, Colombia

Referencias

M. C. Quicazán y C. M. Zuluaga, “La nariz electrónica, una novedosa herramienta para el control de procesos y calidad en la industria agroalimentaria”, vol. 18, n.o 2, p. 9, 2011.

I. Moreno, R. Caballero, R. Galán, F. Matía, y A. Jiménez, “La Nariz Electrónica: Estado del Arte”, Rev. Iberoam. Automática E Informática Ind. RIAI, vol. 6, n.o 3, pp. 76-91, 2009, doi: 10.1016/S1697-7912(09)70267-5.

A. C. Durán, “SISTEMA DE OLFATO ELECTRONICO PARA LA DETECCION DE COMPUESTOS VOLATILES”, vol. 2, n.o 12, 2008.

J. Lozano et al., “IDENTIFICACIÓN DE COMPUESTOS AROMÁTICOS DEL VINO MEDIANTE NARIZ ELECTRÓNICA”, p. 5.

J. Lozano, J. P. Santos, M. Aleixandre, y M. C. Horrillo, “IDENTIFICACIÓN DE AROMAS EN VINOS BLANCOS Y TINTOS MEDIANTE SENSORES DE ESTADO SÓLIDO”, p. 5.

J. Rodríguez, C. Durán, y A. Reyes, “Electronic Nose for Quality Control of Colombian Coffee through the Detection of Defects in “Cup Tests”, Sensors, vol. 10, n.o 1, pp. 36-46, dic. 2009, doi: 10.3390/s100100036.

M. Martínez, “Catar cacao es cuestión de actitud pero también de aptitud”, 2013. [En Linea] Disponible en: http://www.fedecacao.com.co/portal/index.php/es/2015-04-23-20-00-33/126-catar-cacao-es-cuestion-de-actitud-pero-tambien-de-aptitud (accedido may 29, 2020).

J.Á. Fernández-Muñoz, J.L. Herrero-Agustín, J. Lozano-Rogado, J.P. Santos-Blanco, y J.I. Suárez-Marcelo, “Un sistema de clasificación de olores en línea para narices electrónicas. (Spanish)”, Online Odor Classif. Syst. Electron. Noses Engl., vol. 92, n.o 3, pp. 354-360, 5/1/2017 2017. doi: 10.6036/8075.

O.E.G. Guerrero, C.M.D. Acevedo, J.A.A. Gallardo y J.E.O. Sandoval, “IMPLEMENTATION OF A NEURONAL MODEL IN A HARDWARE DEVICE (FPGA) FOR THE CLASSIFICATION OF CHEMICAL COMPOUNDS IN A MULTISENSORY (E-NOSE)”, p. 7, 2014.

Quicazán, “Electronic nose a novel tool for quality and process control in the food industry”, vol. 18, p. 9, 2011.

W. Wojnowski, T. Majchrzak, T. Dymerski, J. Gębicki, y J. Namieśnik, “Portable Electronic Nose Based on Electrochemical Sensors for Food Quality Assessment”, Sensors, vol. 17, n.o 12, p. 2715, nov. 2017, doi: 10.3390/s17122715.

E. Schaller et al., “Review Article ‘Electronic Noses’ and Their Application to Food”, 1997.

A. D. Wilson, “Applications and Advances in Electronic-Nose Technologies”, p. 50, 2009.

J.C.R. Gamboa, “MODELO DE INFERENCIA DE LA RESPUESTA DE UN SENSOR DE GAS DE ESTADO SÓLIDO PARA SISTEMAS DE OLFATO ELECTRÓNICO”, p. 109, 2013.

J.-E. Haugen, “ELECTRONIC NOSES IN FOOD ANALYSIS”, p. 2.

M. Millán, “Diseño e implementación de un sistema de medida de gases con Arduino”, p. 126, 2016.

R.C. Pandey, M. Verma, y L.K. Sahu, “Internet of Things (IOT) Based Gas Leakage Monitoring and Alerting System with MQ-2 Sensor”, vol. 5, n.o 2, p. 4, 2017.

M.S. Kasbe, S.L. Deshmukh, T.H. Mujawar, V.D. Bachuwar, L.P. Deshmukh, y A.D. Shaligram, “An Electronic nose with LabVIEW using SnO2 Based Gas Sensors: Application to test freshness of the fruits”, vol. 6, n.o 4, p. 7, 2015.

K.S. Babu, “Calibration of MQ-7 and Detection of Hazardous Carbon Mono-oxide Concentration in Test Canister”, p. 7, 2018.

N. Telagam, N. Kandasamy, N. Prasad G, y M. Nanjundan, “Smart Sensor Network Based High Quality Air Pollution Monitoring System Using Labview”, Int. J. Online Eng. IJOE, vol. 13, n.o 08, p. 79, ago. 2017, doi: 10.3991/ijoe.v13i08.7161.

“MQ135 Air Quality Sensor Module”, B.M. Embedded Solutions. [En Linea] Disponible en: https://bm-es.com/product/mq135-sensor-module/ (accedido oct. 30, 2019).

C.E.C. Peñaloza y A.J.J. Alfaro, “Nariz electrónica: Herramienta para detección de gases empleando redes neuronales artificiales”, p. 10, 2018.

G.B. Nagua, “Implementación de interfaz gráfica para la clasificación y reconocimiento de rostros mediante el procesamiento digital de señales”, p. 121, 2019.

F. Pedregosa et al., “Scikit-learn: Machine Learning in Python”, Mach. Learn. PYTHON, p. 6.

R. P. Vaz, “DESARROLLO DE UN SISTEMA DE ANÁLISIS DE DATOS EN LA INDUSTRIA DE LA AUTOMOCIÓN”, p. 75.

H. Goonewardana, “PCA: Application in Machine Learning”, Medium, feb. 28, 2019. [En Linea] Disponible en: https://medium.com/apprentice-journal/pca-application-in-machine-learning-4827c07a61db (accedido may 05, 2020).

Rambal, “Sensores de gas serie MQ”, 2020. [En Linea] Disponible en: https://rambal.com/gases-polucion/1254-kit-sensores-de-gas-serie-mq.html (accedido abr. 12, 2020).

A.F. Flórez, A.C. Durán y J. Carrillo, “Equipo de medición para la detección y clasificación de volátiles en el proceso de fermentación de la almendra de cacao en Cúcuta – norte de Santander”, Tesis, Pamplona, Norte de Santander, 2019.

I.C. Pérez, “El lenguaje de programación Python/The programming language Python”, Cienc. Holguín, p. 14, 2014.

Administrar, “Cacao colombiano, nuevamente entre los mejores del mundo en París”, SAC - Sociedad de Agricultores de Colombia, ago. 05, 2019. [En Linea] Disponible en: https://sac.org.co/cacao-colombiano-nuevamente-entre-los-mejores-del-mundo-en-paris/ (accedido may 04, 2020).

Descargas

Publicado

01-05-2020

Cómo citar

[1]
A. . Flórez-Martínez, J. O. . Vargas-Flórez, H. E. . Perez-Waltero, y L. F. . Quintana-Fuentes, «Análisis de componentes principales utilizando python para identificar clúster asociados a muestras de cacao seco sano e infectado con monilia en Norte de Santander», AiBi Revista de Investigación, Administración e Ingeniería, vol. 8, n.º 2, pp. 16–22, may 2020.

Número

Sección

Artículos de Investigación

Altmetrics

Descargas

Los datos de descargas todavía no están disponibles.