Tecnología Funcional de Nariz Electrónica para el Monitoreo de Gases en el Aire

• Autores: Ricardo Macías Quijas, Claudia L. Garzón Castro, Annamaría Filomena Ambrosio, Carolina Del Valle Soto, Roberto de Fazio, Paolo Visconti, Ramiro Velázquez
• Localización: Revista Politécnica, ISSN-e 2477-8990, Vol. 56, Nº. 2, 2025 (Ejemplar dedicado a: Revista Politécnica), págs. 57-66
• Idioma: español
• DOI: 10.33333/rp.vol56n2.06
• Títulos paralelos:
  • Functional Electronic Nose Technology for Monitoring Air Gases
• Enlaces
  • Texto completo
• Resumen
  • español

    En los últimos años, las narices electrónicas se han consolidado como herramientas innovadoras para el monitoreo ambiental, particularmente en la detección de contaminantes en el aire. En este trabajo, se presenta el diseño e implementación de una tecnología funcional, portátil y de bajo costo de nariz electrónica, capaz de identificar gases como el monóxido de carbono, el metano y varios compuestos volátiles. Esta tecnología integra un arreglo de sensores y un módulo de adquisición de datos junto con algoritmos avanzados de procesamiento de señales. Se propone la aplicación del Método de Filtrado y Diagonalización (FDM) para la extracción de características espectrales, combinado con Bosques Aleatorios (RF) para la clasificación de gases. Los resultados experimentales demuestran una precisión del 96.4 % en la identificación de compuestos gaseosos, validando la efectividad de la combinación FDM-RF. Este estudio contribuye al avance de tecnologías accesibles para el monitoreo de la calidad del aire y así como de nuevos métodos de detección y clasificación de gases ambientales.

  • English

    In recent years, electronic noses (e-noses) have emerged as innovative tools for environmental monitoring, particularly in detecting air pollutants. This study presents the design and development of a functional, portable, and low-cost e-nose technology capable of identifying gases such as carbon monoxide, methane, and several volatile compounds. Such technology integrates a multi-sensor array and a data acquisition module, along with advanced signal processing algorithms. The Filter Diagonalization Method (FDM) is proposed for spectral feature extraction, combined with Random Forest (RF) for gas classification. Experimental results demonstrate a 96.4 % accuracy in gas identification, validating the effectiveness of the FDM-RF combination. This study contributes to the advancement of accessible air quality monitoring technologies and new gas detection and classification approaches.