La nariz electrónica (e-nose) ha sido utilizada durante las últimas tres décadas como instrumento de propósito general para la detección química. Este instrumento está inspirado en los sistemas olfativos naturales, donde la discriminación de olores se realiza eficientemente sin la necesidad de receptores altamente especializados. La ventaja clave proporcionada por esta aproximación es que la representación de los olores es más eficiente y robusta cuando la codificación del olor es llevada a cabo por una población de receptores, pues esta supera la calidad de cualquiera realizada por sus elementos individuales. Una población de receptores obtiene su máximo rendimiento en la codificación de las características de un estímulo odorífero cuando se equilibran los beneficios de la diversidad y redundancia sensoriales. Lamentablemente, las narices electrónicas tradicionales tienden a exhibir un número limitado de sensores con respuestas muy correlacionas ante diferentes conjuntos de estímulos odoríferos. Sin embargo, no ha sido hasta hace relativamente poco que la creación grandes matrices de sensores con selectividades cruzadas ha sido tecnológicamente posibles. El objetivo de esta tesis es el desarrollo de una de estas matrices de nueva generación para investigar las ventajas de la representación de los estímulos odoríferos través de una codificación poblacional soportada por la diversidad y redundancia sensoriales. En particular, hemos construido un sistema de detección química basado en una matriz de sensores de gas de óxido metálico (MOX), y dotada de un alto grado de diversidad y redundancia sensoriales. Hemos utilizado esta arquitectura de detección química bioinspirada junto técnicas de reconocimiento de patrones estadísticas para hacer frente a algunos de los problemas sin resolver en olfacción artificial, a saber, la robustez al fallo de sensores, la selección de características, y la transferencia de calibración entre diferentes narices electrónicas.
© 2001-2024 Fundación Dialnet · Todos los derechos reservados