{"id":209383,"date":"2022-08-03T13:18:00","date_gmt":"2022-08-03T10:18:00","guid":{"rendered":"https:\/\/howtogeek.inform.click\/?p=209383"},"modified":"2022-04-03T20:25:13","modified_gmt":"2022-04-03T17:25:13","slug":"esta-persona-inteligente-uso-una-raspberry-pi-para-hacer-una-nariz-electronica","status":"publish","type":"post","link":"https:\/\/howtogeek.inform.click\/es\/esta-persona-inteligente-uso-una-raspberry-pi-para-hacer-una-nariz-electronica\/","title":{"rendered":"Esta persona inteligente us\u00f3 una Raspberry Pi para hacer una nariz electr\u00f3nica"},"content":{"rendered":"\n<p><a href=\"https:\/\/magpi.raspberrypi.com\/articles\/electronic-nose\" target=\"_blank\" rel=\"noopener nofollow\" class=\"external external_icon\">Luis Rodriguez Mendoza<\/a><\/p>\n<p>La gente usa Raspberry Pis para hacer una tonelada de dispositivos creativos y \u00fanicos, pero este podr\u00eda llevarse la palma. O m\u00e1s bien, <a href=\"https:\/\/magpi.raspberrypi.com\/articles\/electronic-nose\" target=\"_blank\" rel=\"noopener nofollow\" class=\"external external_icon\">huele<\/a>. El creador Luis Rodr\u00edguez Mendoza se inspir\u00f3 en los perros entrenados para oler en el aeropuerto y luego se pregunt\u00f3 si los sensores de gas de bajo costo podr\u00edan hacer lo mismo.<\/p>\n<p>Vemos una gran variedad de sensores, como los que pueden detectar el ruido, la temperatura, la humedad o la luz, que se utilizan todos los d\u00edas para una variedad de tareas, pero los sensores de gas son mucho menos comunes. Usar los sensores para &quot;olfatear&quot; activamente los olores en el entorno cercano, en lugar de solo detectar un olor pasivamente, es incluso menos com\u00fan.<\/p>\n<p>Mendoza dijo que \u00abel prop\u00f3sito del proyecto es mostrar que los sensores de bajo costo pueden ser confiables para detectar olores y que posiblemente se puedan usar en entornos cl\u00ednicos&quot;. Us\u00f3 solo cuatro tipos de sensores de gas para llevar a cabo extensas pruebas y entrenamiento de modelos.<\/p>\n<p>\u00abLas pruebas se realizaron con muestras de cerveza y caf\u00e9 preparado\u00bb, afirm\u00f3 cuando se le pregunt\u00f3 sobre su proceso de prueba. \u00abSe us\u00f3 un algoritmo K-Nearest Neighbors (KNN) en MATLAB para crear un modelo de clasificaci\u00f3n que se us\u00f3 para predecir los aromas de la cerveza y el caf\u00e9, y se valid\u00f3 usando una validaci\u00f3n cruzada de 10 veces (k-fold)&#8230; un 98 por ciento la precisi\u00f3n de la clasificaci\u00f3n se logr\u00f3 en el proceso de prueba.<\/p>\n<p>\u00abCada muestra se tom\u00f3, en promedio, durante 15 minutos a intervalos de un segundo, produciendo m\u00e1s de 900 lecturas de muestra por prueba y los datos se exportaron a archivos CSV. Para fines de clasificaci\u00f3n, se agreg\u00f3 manualmente una columna adicional para etiquetar la muestra (es decir, caf\u00e9, cerveza, aire). Los tres conjuntos de datos se importaron y combinaron en MATLAB. Estos datos se usaron para crear un modelo de vecino m\u00e1s cercano k, se seleccion\u00f3 k para que fuera 5, esto se determin\u00f3 por ensayo y error. Se utiliz\u00f3 una validaci\u00f3n cruzada de 10 veces para validar el modelo, y se utiliz\u00f3 un An\u00e1lisis de Componentes Principales (PCA) como t\u00e9cnica exploratoria para verificar el modelo y los resultados, similar al trabajo mostrado en investigaciones anteriores.<\/p>\n<p><a href=\"https:\/\/howtogeek.inform.click\/wp-content\/uploads\/2022\/03\/post-173978-623e7ff4afc50.png\" data-rel=\"lightbox\"><img decoding=\"async\" class=\"SDStudio-light-box-enable SDStudio-editor-tools-md-imp\" src=\"https:\/\/howtogeek.inform.click\/wp-content\/uploads\/2022\/03\/post-173978-623e7ff4afc50.png\" alt=\"Esta persona inteligente us\u00f3 una Raspberry Pi para hacer una nariz electr\u00f3nica\" ><\/a><\/p>\n<p><a href=\"https:\/\/magpi.raspberrypi.com\/articles\/electronic-nose\" target=\"_blank\" rel=\"noopener nofollow\" class=\"external external_icon\">Luis Rodriguez Mendoza<\/a><\/p>\n<p>\u00abSe recopil\u00f3 un conjunto de datos de prueba tomando 17 nuevas muestras de lecturas de dos minutos en intervalos de un segundo para evaluar el modelo de clasificaci\u00f3n. Cada muestra era independiente entre s\u00ed (solo se midi\u00f3 aire, cerveza o caf\u00e9 a la vez), y se etiquetaron manualmente en consecuencia, lo que result\u00f3 en m\u00e1s de 2500 mediciones. Estos datos se importaron, combinaron y reorganizaron aleatoriamente en MATLAB. Utilizando el modelo de clasificaci\u00f3n creado a partir del conjunto de datos de entrenamiento, los datos de prueba se clasificaron y los resultados del modelo de clasificaci\u00f3n representan una precisi\u00f3n del 97,7 %\u00bb.<\/p>\n<p>Las altas tasas generales de precisi\u00f3n producidas por los sujetos de prueba individuales son realmente impresionantes. Mendoza us\u00f3 una Raspberry Pi 3 para las pruebas y mencion\u00f3 que conoci\u00f3 el dispositivo por primera vez a fines de 2020 en uno de sus cursos universitarios. \u00abR\u00e1pidamente me di cuenta de lo f\u00e1ciles, eficientes y capaces que son las placas Raspberry Pi\u00bb, dijo.<\/p>\n<p>a trav\u00e9s de <a href=\"https:\/\/magpi.raspberrypi.com\/articles\/electronic-nose\" target=\"_blank\" rel=\"noopener nofollow\" class=\"external external_icon\">MagPi<\/a><\/p>\n<p><div id=\"PostUnique_PostSource\" style=\"padding-top: 50px\">Fuente de grabaci\u00f3n:  <a target=\"_blank\" rel=\"noopener nofollow\" href=\"\/\/www.reviewgeek.com\" class=\"external external_icon\">www.reviewgeek.com<\/a><\/div><\/p>\n","protected":false},"excerpt":{"rendered":"<p>La gente usa Raspberry Pis para hacer una tonelada de dispositivos creativos y \u00fanicos, pero este podr\u00eda llevarse la palma. O m\u00e1s bien, huele. El creador Luis Rodr\u00edguez Mendoza se inspir\u00f3 en los perros entrenados para oler en el aeropuerto y luego se pregunt\u00f3 si los sensores de gas de bajo costo podr\u00edan hacer lo mismo.<\/p>\n","protected":false},"author":1,"featured_media":173979,"comment_status":"closed","ping_status":"closed","sticky":false,"template":"","format":"standard","meta":{"footnotes":"","_wp_rev_ctl_limit":""},"categories":[584],"tags":[],"class_list":["post-209383","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-ordenadores"],"_links":{"self":[{"href":"https:\/\/howtogeek.inform.click\/es\/wp-json\/wp\/v2\/posts\/209383","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/howtogeek.inform.click\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/howtogeek.inform.click\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/howtogeek.inform.click\/es\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/howtogeek.inform.click\/es\/wp-json\/wp\/v2\/comments?post=209383"}],"version-history":[{"count":0,"href":"https:\/\/howtogeek.inform.click\/es\/wp-json\/wp\/v2\/posts\/209383\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/howtogeek.inform.click\/es\/wp-json\/wp\/v2\/media\/173979"}],"wp:attachment":[{"href":"https:\/\/howtogeek.inform.click\/es\/wp-json\/wp\/v2\/media?parent=209383"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/howtogeek.inform.click\/es\/wp-json\/wp\/v2\/categories?post=209383"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/howtogeek.inform.click\/es\/wp-json\/wp\/v2\/tags?post=209383"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}