Algoritmos de reconocimiento de patrones aplicados al análisis de datos LIBS

J. VOROBIOFF; C. RINALDI; F. R. CHECOZZI; N. BOGGIO

Encuentro; 15º Encuentro Internacional de Ciencias de la Tierra (E-ICES 15); 2020

Centro Internacional de Ciencias de la Tierra (ICES)

El procesamiento avanzado de datos de mediciones de LIBS (Espectroscopia de Plasma Inducida por Láser) resulta de gran interés para el análisis de suelos. El análisis de señales junto con el reconocimiento de patrones y técnicas quimiométricas, permite la clasificación y cuantificación de diferentes analitos. Sin embargo, los diferentes ajustes de LIBS afectan significativamente las señales medidas. A su vez, existe una amplia variedad de técnicas quimiométricas a utilizar. Todo esto genera un volumen grande de datos y resultados que deben compararse entre sí, para determinar los métodos óptimos. Cabe señalar que se pueden implementar numerosos métodos de procesamiento de datos. Este procesamiento y su correspondiente modificación de algoritmos, si se realiza manualmente resulta muy tedioso, consume mucho tiempo y requiere personal altamente capacitado. Por ello, se implementó un software propietario con algoritmos avanzados para el procesamiento de datos, que simplifica enormemente las tareas de análisis, mejora las respuestas obtenidas y es simple de usar para personal no capacitado en programación de algoritmos. Este software de reconocimiento de patrones, programado en Python, tiene una interfaz gráfica de usuario (GUI) de manejo simple. Este entorno se utilizó para automatizar la carga de datos y realizar pre-procesamiento de señales, análisis quimiométrico, presentación de resultados y comparación de métodos. La interfaz contiene una selección de algoritmos de procesamiento de señales. Estos algoritmos se construyeron utilizando técnicas de reconocimiento de patrones basadas en análisis de datos multivariados, análisis de componentes principales (PCA), análisis estadístico, funciones discriminantes, inteligencia computacional y redes neuronales. Como resultado de este trabajo, se obtuvo una herramienta de reconocimiento de patrones orientada a la medición LIBS fácil de usar, que es capaz de comparar diferentes métodos de procesamiento de datos.