Generación de datos de segundo orden basados en la visión computarizada

FEDERICO BELÉN; FEDERICO VALLESE; FERRÃO, MARCO FLORES; MARCELO PISTONESI; ADRIANO DE ARAÚJO GOMES

Santa Rosa

Congreso; X Congreso Argentino de Química Analítica; 2019

Asociación Argentina de Química Analítica

En los últimos años, las mediciones de color han sido reportadas como una señal útil en el desarrollo de un enfoque analítico, llamado método analítico basado en la visión computarizada (CVAC). Las imágenes se pueden capturar con varios dispositivos electrónicos, tales como cámaras digitales, cámaras web, escáneres y teléfonos inteligentes. El modelado de imágenes, teniendo en cuenta una definición de espacio de color, como por ejemplo RGB (rojo-verde-azul), permite al analista obtener un conjunto de datos de acuerdo con las señales analíticas típicas, como la absorbancia, y la emisión, entre otras. Además, las imágenes digitales contienen información intrínsecamente multivariada, que se ha explorado en el campo de la calibración y la clasificación1. En este trabajo proponemos el uso de videos digitales para monitorear el cambio de color en función del tiempo, y así generar datos de segundo orden (tiempo × perfil de color), con el propósito de determinar la concentración de arsénico en aguas naturales por el método de dietilditiocarbamato de plata2 (AgDDTC). Se diseñó un sistema Flow-batch ¬/ cámara web para obtener videos digitales, donde se capturó el cambio de color de una gota de reactivo de AgDDTC por reacción con arsina (H3As). Posteriormente, a partir de dichos videos, se adquirieron las imágenes de la figura A. La superficie de la señal analítica típica (50 × 1792) registrada para cada testigo / muestra se observa en la figura B. Los datos se ajustaron en una matriz aumentada (Dagu) en columnas y se modelaron utilizando MCR-ALS empleando restricciones de no negatividad y unimodalidad en el perfil de concentración (Cagu) y únicamente no negatividad en modo de color (ST).El modelado de datos permite la extracción de perfiles puros y la cuantificación del arsénico con una precisión aceptable. Por lo tanto, las imágenes digitales permiten la adquisición de datos de múltiples vías y el modelado posterior para lograr una ventaja de segundo orden, cumpliendo con el criterio de bilinealidad requerido por métodos como MCR-ALS.