Esta es un versión antigua publicada el 2022-12-12. Consulte la versión más reciente.

Detección de especies maderables mediante sensores químicos de olor, aplicando regularización L1 y modelos de mezclas gaussianas

Autores/as

DOI:

https://doi.org/10.22335/rlct.v15i1.1642

Palabras clave:

aprendizaje estadístico, reducción de dimensionalidad, modelos de mezclas, narices electrónicas, industria de la madera

Resumen

La identificación de las especies maderables ayuda a combatir el tráfico de especies prohibidas. Una forma de realizarla es mediante su olor. En el presente trabajo se muestra un método que tiene por objetivo la detección de especies maderables a partir de trozos previamente cortados y almacenados, mediante la interacción de los compuestos volátiles que estos emanan con una nariz electrónica. El presente dispositivo procesa la respuesta del arreglo de sensores químicos a través de la regularización lineal y modelos probabilísticos con un enfoque similar al usado en sistemas biométricos. En particular, el método presentado incluye una etapa de estimación de parámetros heurísticos sobre las señales entregadas por el arreglo de sensores, seguido de una etapa de selección de variables por medio de regularización L1, para finalmente utilizar modelos de mezclas Gaussianas [GMMs] en el proceso de modelado probabilístico. A modo de resultado, se obtiene un EER promedio de 17.5 % en desempeño en la detección de cuatro especies maderables; y, para el caso particular del Sapán, un EER de 12 % como resultado. En conclusión, este enfoque biométrico da buenos resultados respecto a trabajos anteriores, teniendo en cuenta que en el presente los experimentos se realizan en condiciones más cercanas a la realidad.

Descargas

Los datos de descarga aún no están disponibles.

Biografía del autor/a

  • Naren Arley Mantilla Ramírez, Universidad Industrial de Santander

    Ingeniería Electrónica. Maestría en Ingeniería de Telecomunicaciones.

  • Iván Darío Porras Gómez, Universidad Industrial de Santander

    Ingeniero Agrícola. Es. Alta Gerencia, Ms Gestión y Politica Pública.

  • Alexander Sepúlveda Sepúlveda, Universidad Indistrial de Santander

    Ingeniero Electrónico. Maestría en Automatización Industrial. Doctorado en Ingeniería – Automática.

Referencias

Agritix. (2016). Xylorix: Macroscopic wood identification system. https://www.xylorix.com

Baietto, M., Pozzi, L., Wilson, A., y Bassi, D. (2013). Evaluation of a portable MOS electronic nose to detect root rots in shade tree species. Computers and Electronics Agriculture, 96, 117-125. https://doi.org/10.1016/j.compag.2013.05.002

Baietto, M., Wilson, A., Bassi, D., y Ferrini, F. (2010). Evaluation of three electronic noses for detecting incipient wood decay. Sensors, 10(2), 1062-1092. https://doi.org/10.3390/s100201062

Cabral, E., Simas, R., Santos, V., Queiroga, C., Da Cunha, V., De Sá, G., Daroda, R., y Eberlin, M. (2012). Wood typification by Venturi easy ambient sonic spray ionization mass spectrometry: The case of the endangered Mahogany tree. Journal of Mass Spectrometry, 47(1), 1-6. https://pubmed.ncbi.nlm.nih.gov/22282083/

Carmel, L., Levy S., Lancet, D., y Harel, D. (2003). A feature extraction method for chemical sensors in electronic noses. Sensors and Actuators B: Chemical, 93(1), 67-76. https://doi.org/10.1016/S0925-4005(03)00247-8

Chawla, N. V., Bowyer, K. W., Hall, L. O., y Kegelmeyer, W. P. (2002). SMOTE: synthetic minority over-sampling technique. Journal of artificial intelligence research, 16, 321-357. https://www.jair.org/index.php/jair/article/view/10302

Cordeiro, J., Li, R., Takahashi, E., Rehder, G., Ceccantini, G., y Gruber, J. (2016). Wood identification by a portable low-cost polymer-based electronic nose. RSC Advance, 6(111). https://pubs.rsc.org/en/content/articlelanding/2016/ra/c6ra22246c

Corporación Autónoma Regional de Santander [CAS] (2016). En Santander hay 13 especies de flora y 12 de fauna priorizados para su conservación. http://cas.gov.co/index.php/sala-de-prensa/453-ensantander-hay-13-especies-de-flora-y-12-de-faunapriorizados-para-su-conservacion.html

Fedele, R., Galbally, I., Porter, N., y Weeks, I. (2007). Biogenic VOC emissions from fresh leaf mulch and wood chips of Grevillea robusta (Australian Silky Oak). Atmospheric Environment, 41(38), 8736-8746. https://doi.org/10.1016/j.atmosenv.2007.07.037

Forest Research Institute Malasy y University Tunku Abdul Rahman [FRIM&UTAR] (2018). My wood: Mobile Wood identification for 100 malaysian timbers. http://mywoodid.frim.gov.my

Friedman, J., Hastie, T., y Tibshirani, R. (2009). The Elements of Statistical Learning. https://link.springer.com/book/10.1007/978-0-387-84858-7

Ghasemi-Varnamkhasti, M., Razdari, A., Yoosefian, S., Izadi, Z., y Rabiei, G. (2019). Selection of an optimized metal oxide semiconductor sensor (MOS) array for freshness characterization of strawberry in polymer packages using response surface method (RSM). Postharvest Biology and Technology, 151, 53-60. https://doi.org/10.1016/j.postharvbio.2019.01.016

James, G., Witten, D., Hastie, T., y Tibshirani, R. (2013). An introduction to statistical learning. Springer. https://link.springer.com/book/10.1007/978-1-4614-7138-7

Kalaw, J., y Sevilla, F. (2018). Discrimination of wood species based on a carbon nanotube/polymer composite chemiresistor array. Holzforschung, 72(3), 215-223. https://www.degruyter.com/document/doi/10.1515/hf-2017-0097/html

Mantilla, N., Ruiz, L., Ortega, H., Paja, M., y Sepúlveda, A. (2020). A low cost electronic nose with a GMM-UBM approach for wood species verification. ICPRAM-2020, 333-341. https://scholar.google.com/citations?view_op=view_citation&hl=es&user=Deodh2sAAAAJ&citation_for_view=Deodh2sAAAAJ:d1gkVwhDpl0C

Mantilla, N., Ruiz, L., Ortega, H., y Sepúlveda, A. (2021). Identificación de especies de maderas locales mediante el uso de nariz electrónica y aprendizaje automático: Un experimento preliminar. INGE CUC, 17, 188-200. https://revistascientificas.cuc.edu.co/ingecuc/article/view/2570

Porras, D., Sarria, M., y Sepúlveda, A. (2020). Speaker Verification system based on articulatory information from ultrasound recordings. DYNA, 87(213). http://www.scielo.org.co/scielo.php?pid=S0012-73532020000200009&script=sci_arttext&tlng=en

Reynolds, D., Quatieri, T., y Dunn, R. (2000). Speaker verification using adapted gaussian mixture models. Digital Signal Processing, 10(1-3), 19-41. https://doi.org/10.1006/dspr.1999.0361

Ruiz-Jiménez, L. F. (2018). Detección de los insectos de la subfamilia Triatominae basado en narices electrónicas. Technical report, Universidad Industrial de Santander.

Urrego, D., Pérez, M., Polanco, C. y Pérez, M. (2012). Control del aprovechamiento ilegal de flora a partir de la anatomía de siete especies maderables en estado de amenaza. Aportes a la política nacional ambiental. Revista Criminalidad, 54(1), 259-281. http://www.scielo.org.co/scielo.php?script=sci_arttext&pid=S1794-31082012000100004

Wheeler, E. A., y Baas, P. (1998). Wood identification-a review. IAWA journal- International Association of Wood Anatomists, 19(3), 241-264. https://doi.org/10.1163/22941932-90001528

Wilson, A., Lester, D., y Oberle, C. (2005). Application of conductive polymer analysis for wood and Woody plant identifications. For. Ecol. Manage., 209(3), 207-224. https://doi.org/10.1016/j.foreco.2005.01.030

Wilson, A. (2012). Application of a conductive polymer electronic-nose device to identify aged woody samples. En S. Yurish, I. Chilibon, V. Carvalho, S. Gervais-Ducouret (eds.). Proceedings of The 3rd International IARIA Conference on Sensor Device Technologies and Applications, Rome, Italy. Xpert Publishing Services: Wilmington, DE. (pp. 77-82). https://www.fs.usda.gov/research/treesearch/45153

Wilson, A. (2013). Diverse Applications of Electronic-Nose Technologies in Agriculture and Forestry. Sensors, 13, 2295-2348. https://www.mdpi.com/1424-8220/13/2/2295

World Wildlife Fund [WWF] (2017). 15 especies colombianas de árboles amenazados. http://www.wwf.org.co/?uNewsID=299073

Yan, J., Guo, X., Duan, S., Jia, P., Wang, L., Peng, C., y Zhang, S. (2015). Electronic nose feature extraction methods: A review. Sensors, 15(11), 27804-27831. https://doi.org/10.3390/s151127804

Yu, M., Liu, K., Zhou, L., Zhao, L., y Liu, S. (2015). Testing three proposed DNA barcodes for the Wood identification of Dalbergia odorifera T. Chen and Dalbergia tonkinensis Prain. Holzforschung, 70(2), 127-136. https://doi.org/10.1515/hf-2014-0234

Zhao, P., y Jun, C. (2016). Wood species identification using spectral reflectance feature and optimal illumination radian design. Journal of Forestry Research, 27, 219-224. https://doi.org/10.1007/s11676-015-0171-4

Descargas

Publicado

2022-12-08 — Actualizado el 2022-12-12

Versiones

Número

Sección

Artículos de investigación / Artículos Originales

Cómo citar

Detección de especies maderables mediante sensores químicos de olor, aplicando regularización L1 y modelos de mezclas gaussianas. (2022). Revista Logos Ciencia & Tecnología, 15(1), 8-18. https://doi.org/10.22335/rlct.v15i1.1642 (Original work published 2022)