Ayuda
Ir al contenido

Dialnet


Resumen de Análisis de resultados a partir del rediseño un sistema de olfato electrónico para el beneficio de calidad del cacao

Alexander Flórez Martinez

  • español

    El desarrollo del proyecto de investigación realiza la optimización de un sistema de olfato electrónico implementado para el beneficio de calidad de cacao en el proceso poscosecha, se inicia del precedente de un sistema existente donde se identifica la posibilidad de rediseñar la cámara de concentración, cámara de medida y reducción de la matriz multisensorial de 9 a 6 sensores del fabricante MQ, encargados de percibir compuestos volátiles emanados por muestras de cacao. Para el proceso de adquisición de datos se utilizó una tarjeta Arduino con conexión a PC y mediante el uso del software LabVIEW se realiza algoritmo que permite la ejecución, control automático del sistema y almacenamiento de data, posterior se procede a analizar los datos mediante algoritmo de aprendizaje automático con motivo de validar los resultados, el cual arroja que el sistema tiene la capacidad de discriminar los volátiles sometidos que corresponden a muestras de cacao en estado de fermentación, sobreferementación y seco. En el análisis de resultados se somete la data a preprocesado de datos MinMaxScaler y Manhattan, siendo este último el más adecuado para realizar la clasificación de muestras, obteniendo un porcentaje de varianza total del 86%.

  • English

    The development of the research project optimizes an electronic olfaction system implemented for the benefit of cocoa quality in the post-harvest process, it begins with the precedent of an existing system where the possibility of redesigning the concentration chamber is identified. measurement and reduction of the multisensory matrix of 9 to 6 sensors from the manufacturer MQ, responsible for perceiving volatile compounds emanating from cocoa samples. For the data acquisition process, an Arduino board with a PC connection was used and by using the LabVIEW software an algorithm is carried out that allows the execution, automatic control of the system and data storage, then the data is analyzed using the algorithm of automatic learning for the purpose of validating the results, which shows that the system has the ability to discriminate the volatiles submitted that correspond to cocoa samples in the fermentation, over-fermentation and dry state. In the analysis of results, the data is subjected to MinMaxScaler and Manhattan data preprocessing, the latter being the most suitable for classifying samples, obtaining a total variance percentage of 86%.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus