Sensor para análisis de alimentos aplicando espectroscopía de impedancia y redes neuronales artificiales

Abstract

[ES] El objetivo de esta tesis fue el diseño de un equipo portátil para la medición de concentración de sal en soluciones salinas aplicando la espectroscopía de impedancia eléctrica (EIS) y redes neuronales artificiales (ANN). En el análisis de alimentos, la espectroscopia de impedancia es un método eficaz para medir concentraciones químicas o para determinar diversas propiedades físicas. El método consiste en principio en la adquisición de impedancias eléctricas a varias frecuencias y posteriormente la evaluación de la serie resultante de valores complejos. El primer paso del trabajo fue investigar la viabilidad de medir con frecuencias de hasta 30 kHz con un microcontrolador ESP32. Los ESP32 son una familia de sistema en chip de doble núcleo y bajo costo desarrollada por Espressif Systems y diseñada para el Internet de las cosas. El siguiente paso fue la programación de un software embebido en C++ para el procesamiento digital de señales. La multitarea fue realizada usando FreeRTOS en combinación con el framework de Arduino. Sus funciones principales son la generación de señales de estimulación con el DAC interno, medir las señales resultantes con el ADC en un modo acelerado por DMA y el cálculo de los valores complejos de impedancia. Se examinaron varias posibilidades de un amplificador de transimpedancia ajustable. Para permitir una medición precisa y exacta, se diseñó utilizando Proteus Design Suite una PCB que lleva el módulo ESP32 y que contiene el circuito amplificador analógico. Una interfaz gráfica se programó con Python que se comunica con el microcontrolador a través de un puerto serie virtual al UART para adquirir datos del sensor, configurar el dispositivo y visualizar espectros. Finalmente se implementó una red neuronal prealimentada. Se tuvo que adquirir datos espectroscópicos para determinar una arquitectura adecuada y entrenar la ANN con el propósito de clasificar muestras dadas. La aplicabilidad del prototipo se demostró determinando la salinidad de soluciones acuosas. El trabajo presentado se llevó a cabo en el ¿Instituto Interuniversitario de Investigación de Reconocimiento Molecular y Desarrollo Tecnológico (IDM)¿ en Valencia, España.

[EN] The objective of the thesis was to design a portable device for the measurement of salt concentration in saline solutions applying electrical impedance spectroscopy (EIS) and artificial neural networks (ANN). In food analysis, electrochemical impedance spectroscopy is an effective method to measure chemical concentrations or to determine certain physical properties. At a basic level, the method consists of the acquisition of electrical impedances at various frequencies and subsequently the evaluation of the resulting series of complex values. The first step was to investigate the feasibility of measuring with a frequency up to 30 kHz with the microcontroller ESP32. The ESP32 is a family of low-cost dual-core System-on-Chip-Controllers developed by Espressif Systems and designed for the Internet-of-Things. The following step was to program embedded software in C++ for digital signal processing. Multitasking was realized with FreeRTOS in combination with the Arduino framework. Its main tasks are the stimulation signal generation with the internal DAC, to sample the resulting signals with the ADC in a DMA-accelerated mode and to calculate the complex impedance values. Several possibilities for an adjustable transimpedance amplifier were examined. To enable precise and accurate measurement a PCB was designed with Proteus Design Suite carrying the ESP32-module and containing the analog amplifier circuit. A graphical user interface was programmed in Python which communicates with the microcontroller via UART through a virtual serial port, to acquire sensor data, to configure the device and to visualize spectra. Finally, a feedforward neural network was implemented. Spectroscopy data had to be acquired in order to determine an appropriate architecture and to train the ANN to classify given samples. The applicability of the prototype was proven by determining the salinity of aqueous solutions. The presented work was carried out at the ¿Instituto Interuniversitario de Investigación de Reconocimiento Molecular y Desarrollo Tecnológico (IDM)¿ in Valencia, Spain.