DISEÑO DE SISTEMAS SENSORES

Autor: ELVIRA CAÑAS JORDI.
Año: 2004.
Universidad: POLITÉCNICA DE CATALUÑA [www.upc.edu].
Centro de lectura: aula de telensenyament, edifici B3, campus nord.
Centro de realización: C4 Despatx Direcció nord.

Resumen: Lâús de l'Espectroscòpia d'Impedancia Elèctrica (EIE) permet la determinació de la capacitat de retenció d'aigua en peces de carn porcina. Segons un model senzill bicompartimental utilitzat en la determinació de fluids corporals en éssers humans, l'EIE hauria de permetre determinar la capacitat de retenció d'aigua (CRA) en un marge ampli de valors. Els resultats de les proves de camp demostren que les mesures d'EIE permeten identificar peces amb poca CRA. Tanmateix aquestes mesures no permeten identificar les peces que tenen una CRA molt alta, que no es poden distingir de les peces amb una CRA normal o adient per a processos d'elaboració de pernil curat o cuit. Aquesta incapacitat entra en conflicte amb un model senzill bicompartimental.. Sâhan utilitzat mesures de camp i mesures de laboratori per a valorar un segon model multicompartimental que pugui explicar aquesta discrepància. Aquest model més complex intenta explicar la incapacitat de detecció referida. Sâha trobat que aquesta incapacitat de detecció de carn amb alta CRA sâorigina en una falta de capacitat de la membrana cel·lular per retenir ions en aquestes carns, però sense perdre la seva capacitat de retenció d'aigua en el sarcoplasma. La incapacitat de retenir ions en el sarcoplasma porta a que les mesures elèctriques d'EIE no puguin detectar la presència de la membrana. Aquest fet implica que el sarcoplasma no es pugui detectar com a tal i que es mesuri com si fos espai extracel·lular. Per tant, en el cas de les carns d'alta CRA no podem utilitzar ni un model senzill bicompartimental, ni tampoc el model multicompartimental que hem indicat i que es descriu en detall al treball. Les conclusions del treball proposen doncs un model bicompartimental que té en compte el tipus de carn amb alta CRA com a excepció, des d'un punt de vista elèctric, però que justifica la detecció altament eficient de carns amb baixa CRA respecte a carns amb CRA normal. Com a part de la conclusió també es presenten suggeriments de continuació del treball aquí presentat.

Autor: PUIG VALLS DOMENEC SAVI.
Año: 2004.
Universidad: POLITÉCNICA DE CATALUÑA [www.upc.edu].
Centro de lectura: INST. DâORGANITZACIÓ CONTROL SISTEMES INDUSTRIALS.
Centro de realización: ETSEIB, EDIFICI H Campus SUD.

Resumen: Aquesta tesi aborda el problema de la classificació dels components d'una imatge a partir de la informació de textura. La textura és un dels estímuls visuals més utilitzats en Visió per Computador, però també un dels més difícils de definir i modelar, degut a que la textura és intrínsecament sorollosa per natura i està afectada per factors externs que alteren la seva percepció. Per això, l'anàlisi de textures és un camp de recerca amb gran activitat a l'actualitat.Dins dels àmbits de segmentació i classificació de textures, cal tenir en compte dos aspectes fonamentals: la determinació de mètodes d'extracció de característiques de textura adequats, i el desenvolupament d'estratègies adequades per tal d'obtenir bons resultats de segmentació o classificació.En aquesta tesi sâhan estudiat els principals mètodes d'extracció de característiques de textura i sâha proposat una metodologia per a la classificació de textures que integra les característiques texturals generades per mètodes pertanyents a diferents famílies, els quals són avaluats usant finestres de diverses mides. Això és novedós respecte dels classificadors de textura actuals, els quals estan basats en mètodes d'extracció de característiques de textura específics, generalment pertanyents a la mateixa família i avaluats sobre una única mida de finestra definida experimentalment.El classificador desenvolupat en aquesta tesi està orientat a la identificació de models de textura que poden estar presents en una imatge d'entrada, donat un conjunt de models coneguts a priori. Per tant, degut a que diverses regions d'una imatge poden contenir textures diferents, l'objectiu de la metodologia proposada és classificar cada píxel d'una imatge dins del model de textura al qual pertany.La tècnica de classificació que es presenta està basada en la teoria de decisió de Bayes i permet integrar la informació de textura subministrada per diversos mètodes d'extracció de característiques de textura. Les funcions de versemblança (likelihood functions) utilitzades per la regla de Bayes sâobtenen com a combinació lineal (linear opinion pool) de les funcions de versemblança definides per a cada mètode d'extracció de característiques de textura i finestra d'avaluació utilitzats. Els pesos necessaris per a la combinació lineal sâobtenen mitjançant la J-divergència de Kullback.El classificador proposat es pot complementar amb un selector de característiques que també sâha definit en aquesta tesi. Aquest selector determina automàticament un nombre reduït de mètodes d'extracció de característiques de textura i finestres d'avaluació, de manera que la seva integració per part del classificador de textures permet obtenir resultats semblants als obtinguts quan tots els mètodes d'extracció de característiques de textura i finestres disponibles són utilitzats, però amb un cost menor.La metodologia de classificació mencionada integra característiques texturals sense tenir en compte la seva rellevància des d'un punt de vista perceptual. Per aquest motiu, sâha definit una nova metodologia per tal d'obtenir mètodes d'extracció de característiques perceptuals usades pels humans a partir de característiques texturals, i sâha desenvolupat un segon classificador, més consistent amb la percepció humana de textures, el qual és capaç d'integrar característiques perceptuals amb l'objectiu de millorar la qualitat dels resultats produïts pel primer classificador. Les tècniques desenvolupades en aquesta tesi sâhan avaluat en diversos problemes de classificació de textures. Concretament, sâhan aplicat a la classificació d'imatges formades per la composició de textures de l'àlbum de Brodatz, imatges reals d'entorns naturals i imatges tèxtils. En tots els casos, els classificadors proposats han p 8 roduït m 2ca illors resultats que classificadors actuals àmpliament reconeguts.

Autor: LOZANO ROGADO JESÚS SALVADOR.
Año: 2005.
Universidad: COMPLUTENSE DE MADRID [www.ucm.es].
Centro de lectura: FACULTAD DE FÍSICAS.
Centro de realización: FACULTAD DE FÍSICA.

Resumen: La capacidad de medir e identificar fiablemente el desarrollo óptimo del aroma, así como las características constantes del sabor, es un punto crucial en el desarrollo de muchos productos. Los encargados de esta difícil tarea siempre han sido los "expertos en olores", pero es inevitable que esas personas incluyan en su juicio individual un toque de apreciación personal. A veces, se utilizan técnicas analíticas, pero muchas veces es difícil combinar datos con informaciones sensoriales; por otra parte, los costes de estos aparatos son muy elevados y de difícil manejo. De esta forma surge la necesidad de desarrollar un sistema analítico que imite dentro de los posible el sistema olfativo delos mamíferos pero por otra parte elimine la componente subjetiva y el agotamiento propios de éste, sin entrar en la dificultad de manejo y el alto coste de otros sistemas analíticos. Con este idea surgen los sistemas olfativos artificiales o popularmente conocidos como "narices electrónicas". La nariz electrónica se define como un instrumento que consta de un array de sensores químicos electrónicos parcialmente específicos y un sistema de reconocimiento de patrones apropiado, capaz de reconocer olores individuales o complejos. El objetivo primordial de esta tesis doctoral ha sido el diseño y desarrollo de sistemas olfativos artificiales para la medida de aromas del vino. Para alcanzar dicha meta se planificaron dos etapas: un primer estudio de viabilidad y comparación de los distintos sistemas diseñados a partir de diferentes técnicas de extracción, sensores y técnicas de reconocimiento de patrones; y una segunda etapa en la que se realiza una valoración más objetiva de resultados, comparando la eficacia del sistema de olfato electrónico con técnicas convencionales de análisis del vino. Se han diseñado varios sistemas olfativos artificiales optimizados para medir los aromas del vino. Se han utilizado diferentes técnicas de extracción de aromas (espacio de cabeza, purga y trampa microextracción en fase sólida) y a partir de diferentes sensores (de oxido de estaño depositados sobre sustrato de alúmina o silicio, sensores de gases comerciales y sensores de ondas acústicas superficiales). Además, se ha diseñado un sistema olfativo para la medida "in situ" y en timo real de los aromas directamente de los depósitos o barricas donde se almacena el vino, el cual ha sido instalado en una bodega. Por último, se ha diseñado un sistema de medida portátil de reducido tamaño, que permtie realizar entrenamiento y clasificación en tiempo real. Se han realizado un gran número de medidas que demuestran la gran utilidad de estos sistemas en el análisis de aromas en el vino. De esta forma, con los sistemas diseñado se han identificado aromas y defectos en el vino, se ha detectado la variedad de uva, el proceso de elaboración y el envejecimiento (tiempo y tipo de barrica) de diferentes vinos, se han determinado los umbrales de detección y reconocimiento de la nariz electrónica a los compuestos aromáticos habituales en el vino y se ha detectado la evolución (tanto en laboratorio como en bodega) de varios vinos a lo largo de 9 meses. Además, se ha realizado una correlación entre las respuestas de la nariz electrónica con otras técnicas convencionales de análisis como el panel sensorial o la cromatografía de gases.