Guardado en:
| Autor principal: | |
|---|---|
| Formato: | Artículo científico |
| Lenguaje: | es |
| Publicado: |
Corporación Universitaria de la Costa
2021
|
| Materias: | |
| Acceso en línea: | https://www.redalyc.org/articulo.oa?id=497779339020 |
| Etiquetas: |
Agregar Etiqueta
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
Tabla de Contenidos:
- Identificación de especies de maderas locales mediante el uso de nariz electrónica y aprendizaje automático: Un experimento preliminar Naren Arley Mantilla Ramírez Luisa Fernanda Ruiz Jiménez Homero Ortega Boada Alexander Sepúlveda Sepúlveda Ingeniería aumento de datos nariz electrónica Identificación de madera matriz de sensores químicos aplicaciones de aprendizaje automático Introducción— La deforestación y extracción desordenada de madera ponen en peligro algunas especies maderables vulnerables. Estas especies prohibidas podrían detectarse durante su proceso de transporte si las entidades de vigilancia y control tuvieran los instrumentos de seguimiento adecuados. Si bien en trabajos anteriores se reportan métodos para identificar especies de madera, estos no son aplicables a sitios alejados de las principales ciudades. Objetivo— En el presente trabajo se propone utilizar narices electrónicas (arreglos de sensores químicos) para identificar especies maderables, a partir de los compuestos volátiles que estas emanan. Metodología— La medición de aromas se realiza mediante el uso de una matriz de 16 sensores químicos, cuyas curvas son la entrada a un procedimiento de estimación de características. Luego, se realiza un análisis de componentes principales, para finalmente aplicar una estrategia de clasificación basada en máquinas de vectores de soporte. En contraste a trabajos previos, en el presente trabajo las condiciones de recolección de muestras son más cercanas a las encontradas en entornos reales para los cuales este trabajo busca resolver el problema. Además, el número de muestras es mayor y más variado. Sin embargo, el número de muestras recolectadas para cada especie no está balanceado; por lo tanto, se aplica una técnica de aumento de datos para compensar el desequilibrio en las clases. Resultados— Al realizar los experimentos se encuentra un desempeño de aproximadamente 80%. Conclusiones— A pesar de los resultados prometedores, se deben realizar mayores esfuerzos para obtener un mejor desempeño. 2021 artículo científico 0122-6517 https://www.redalyc.org/articulo.oa?id=497779339020 es http://www.redalyc.org/revista.oa?id=4977 INGE CUC application/pdf Corporación Universitaria de la Costa INGE CUC (Colombia) Num.1 Vol.17