Implementación y evaluación de una nariz electrónica para la detección de alcoholes lineales

Abstract

Se desarrolló una nariz electrónica que permite la detección de alcoholes de manera sencilla y económica en comparación con las narices electrónicas tradicionales. Está basada en cuatro sensores de gas de SnO2 (dos comerciales y dos fabricados en el laboratorio), un sistema neumático irregular, un hardware y software para adquisición de datos y un software de reconocimiento de patrones. Se evaluó el comportamiento de la nariz y las condiciones de trabajo con muestras de vapor de alcoholes (metanol, etanol, n-butanol y 1-octanol) y se determinó que los alcoholes se pueden detectar con el arreglo de sensores preparado y pueden diferenciarse entre sí haciendo uso del análisis estadístico de componentes principales (PCA). El orden de detección encontrado para los alcoholes lineales fue el siguiente: metanol etanol n-butanol 1-octanol. Se encontró también que haciendo uso del análisis de componentes principales (PCA) y realizando una normalización de los datos en el software de reconocimiento de patrones, la varianza total de las muestras también aumenta del 76% al 85%. Esto demuestra que una nariz simple y económica puede clasificar bien las muestras evaluadas.

An electronic nose that allows the detection of alcohols, easy to use and inexpensive as compared to traditional electronic noses, was developed. This nose is based on four gas sensors SnO2 (two commercial and two home-made), an irregular pneumatic system, hardware and software for data acquisition and software for pattern recognition. The nose behavior and working conditions with vapor samples of alcohols (methanol, ethanol, n-butanol and 1-octanol) were evaluated. Alcohols could be detected with the array of prepared sensors and also could be differentiated from each other by using principal component analysis (PCA). The detection order for linear alcohols followed the order: methanol ethanol n-butanol 1-octanol. It was also found that by using principal component analysis (PCA) and performing a standardization of data in software pattern recognition the total variance of such information increases from 76% to 85%. This result confirms that a simple and inexpensive nose can rank well the tested samples.