RESUMEN
      En los últimos años las lenguas electrónicas se han convertido en una excelente alternativa a los métodos tradicionales de análisis para el control de los procesos y productos, entre otros, en el ámbito agroalimentario. Se trata de sistemas que, mediante técnicas electroquímicas, como la potenciometría o la voltametría combinadas con herramientas de análisis multivariante, son capaces de clasificar muestras y cuantificar sus parámetros fisicoquímicos. Su funcionamiento se basa en la utilización de sensores de sensibilidad cruzada, lo que permite medir muestras en las que existan interferencias entre los distintos compuestos que la integran.
      En la actualidad la mayoría de los métodos empleados para la determinación de las propiedades fisicoquímicas son destructivos. El diseño de sistemas de medida no destructivos es un reto. Pero además de preservar la integridad de las muestras analizadas, las nuevas técnicas analíticas deben tener un bajo coste y un funcionamiento sencillo, no dependiente de mano de obra cualificada.
      Para el análisis de los datos  se suele utilizar técnicas de reconocimiento de patrones no supervisadas, como es el Análisis de Componentes Principales (PCA). Pero en muchas ocasiones, es conveniente realizar análisis supervisado, donde, las categorías de las muestras están predefinidas y la finalidad es comprobar si es posible conseguir un sistema que sea capaz de clasificar adecuadamente muestras nuevas que entra en el sistema de medida. Uno de los métodos más utilizados para realizar una clasificación de la muestras con técnicas supervisadas son las redes neuronales artificiales (RNA).
   Existen diversos tipos de redes neuronales, una de las más conocidas y utilizadas es la denominada Perceptrón multicapa. El entrenamiento de esta red consiste en fijar los pesos de cada una de las neuronas. Este tipo de red neuronal, ha comprobado su utilidad en múltiples aplicaciones con lenguas electrónicas, pero también ha demostrado sus limitaciones, que vienen determinadas fundamentalmente por la complejidad del algoritmo de entrenamiento matemático que lo implementa, el alto coste computacional cuando su tamaño es elevado y la opacidad de los cálculos internos para determinar el peso de las neuronas. Para intentar subsanar algunos de los inconvenientes de las redes de tipo Perceptrón, surgieron las redes que utilizan la llamada  técnica de resonancia adaptativa (ART).
      Para realizar el análisis de las redes neuronales de tipo Perceptrón multicapa  y/o Fuzzy Artmap y su aplicación a microcontrolador (µC) se van a utilizar los datos procedentes de diversas experiencias. Se ha partido de datos procedentes de diferentes equipos de medida para realizar el entrenamiento de la RNA y posteriormente implementarla en un µC.
      En el primer tipo de experiencias los datos proceden de un dispositivo diseñado para calcular los coeficientes de extinción de la luz solar en las columnas de agua con cinco longitudes de onda diferentes (tres para el rango visible, los rayos UV e IR). La RNA tipo perceptrón se implementa como una rutina de software adicional, entrenándose en una computadora por medio de MATLAB ® y utilizando datos reales de la unidad foto-sensora, lo que permite determinar la profundidad del disco de Secchi.
      En el segundo tipo de experiencias se han utilizado películas de poliéster como sustratos,  con lo que se obtienen unos sensores de humedad. El sensor obtenido de esta forma presenta una respuesta no lineal. La RNA tipo perceptrón multicapa que se implementa en el µC permite obtener una respuesta lineal del sensor.
      En el tercer tipo de experiencias los datos se han obtenido  de las mediciones potenciométricas realizadas con distintos tipos de aguas potables que tienen diferentes concentraciones y tipos de sales. También se han realizado mediciones de cuatro clases de miel. La RNA, implementada en el µC, tipo Fuzzy Artmap es capaz de realizar una clasificación de estas muestras de agua o de miel.
      En el cuarto tipo de experiencias se han utilizado los datos obtenidos por voltametría de pulsos para realizar una clasificación (Fuzzy Artmap) y predicción (tres redes perceptrón multicapa) de la concentración de glifosato.
      Los sistemas de medida utilizados en las distintas experiencias se han desarrollado “ad hoc”, desde un “ojo electrónico” en el caso de Secchi, hasta “lenguas electrónicas”: potenciométrica o voltamétrica.
       Como conclusión se puede decir que para las diferentes experiencias estudiadas, la selección previa de variables da como resultado una disminución en la dimensionalidad, lo que redunda en una disminución de la cantidad de memoria necesaria en el µC y un aumento significativo en los correspondientes resultados de clasificación.