Principal component analysis using python to identify clusters associated with samples of healthy monilia-infected dry cocoa in Norte de Santander.
DOI:
https://doi.org/10.15649/2346030X.712Keywords:
Electronic smell, Data processing, Unsupervised learning, Python software, cocoa dryingAbstract
The result of the research project is associated with data from the implementation of a multisensory electronic system or
commonly called electronic smell. Through the use of a data acquisition system and LabView software, the volatile concentration data associated
with samples of healthy cocoa and infected with monilia, applied in the drying phase or stage. Once the data is acquired, the Python software
used for preprocessing and processing data. Allowing the user to identify the cluster associated with each class, healthy cocoa or with monilia.
As a method for learning unsupervised automatic, PCA principal component analysis is implemented for the respective processing. The results
obtained vary according to the method of data preprocessing, a robust climber and preprocessed Euclidean was implemented, which presents
better results of grouping samples by class.
References
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).
Downloads
Published
How to Cite
Issue
Section
Altmetrics
Downloads
License
The journal offers open access under a Creative Commons Attibution License
This work is under license Creative Commons Attribution (CC BY 4.0).
