[Could not find the bibliography file(s)

Olá, você já ouviu falar em narizes eletrônicos? Nessa série de posts eu vou falar tudo que sei sobre eles e vamos ver o que a gente tira disso. Vamos começar do básico, respondendo à pergunta: O que é um nariz eletrônico?

O que é um nariz eletrônico?

Narizes eletrônicos são narizes feitos usando componentes eletrônicos (dãh!). Da mesma forma que os nossos narizes, eles são usados para detectar e identificar cheiros. Nos nossos narizes, centenas (talvez milhares, ou milhões) de células sensíveis a diversos elementos são posicionadas em diferentes regiões da nossa cavidade nasal. Essas células são ligadas ao cérebro que é o responsável por processar essa informação e identificar os cheiros presentes no ambiente além de outras informações sobre esse cheiro, como de qual direção ele vem e o quão forte ele é. Novamente, os narizes eletrônicos são compostos de um elemento responsável por sentir os cheiros (equivalente às células nos nossos narizes) e um elemento responsável por processar esses sinais (equivalente ao nosso cérebro).

O elemento responsável por sentir os cheiros geralmente é composto por alguns sensores de detecção de gases variados. Esses sensores são arranjados em conjunto dentro do ambiente que queremos cheirar e suas características sensitivas são enviadas ao sistema de processamento de sinais. Características sensitivas? Sim, é a forma como o sensor reage à presença de moléculas de cheiro, as principais delas são: (i) Condutividade, (ii) Piezeletricidade, (iii) Intensidade ou espectro luminoso e (iv) Tensão limiar [?]. Em resumo, característica sensitiva de (i) significa que a resistência interna do sensor varia com a presença de moléculas de cheiro; de (ii) significa que a frequência ressonante de um cristal piezoelétrico varia com a presença de moléculas de cheiro; de (iii) significa que a intensidade ou o espectro de frequência de um feixe luminoso varia com a presença de moléculas de cheiro e; (iv) que a tensão mínima (tensão limiar) para haver condução em um MOSFET varia com a presença de moléculas de cheiro. Mais a frente veremos mais detalhes sobre cada um desses tipos de sensores.

Com o sinal de cheiro obtido precisamos de uma forma de processar eles para que possamos identificar. Para fazer isso o nariz eletrônico precisa, assim como nós, de um cérebro. O cérebro de um nariz eletrônico em geral é um microcontrolador e um circuito condicionador de sinal capaz de ajustar os sinais enviados pelos sensores para que o microcontrolador possa processá-los. Veremos mais a frente como escolher o microcontrolador e como projetar os circuitos de condicionamento de sinal, mas de antemão os microcontroladores mais usados são os da família Atmega (presentes nos arduinos) e os PICs ou dsPICs (quando mais poder de processamento é necessário).

Dentro do cérebro do nariz, os sinais recebidos devem ser interpretados de alguma forma para que os cheiros sejam reconhecidos. Mas primeiro é necessário pré-processar os sinais. Quando os sinais são recebidos pelo microcontrolador (ou computador) quase sempre é necessário que esses sinais sejam pré-processados para que o sistema possa realizar o reconhecimento do cheiro. Isso acontece por diversos motivos, por exemplo: os valores enviados pelos sensores são muito diferentes entre si; processar informação de muitos sensores faz o sistema ficar lento; dificuldade na visualização dos dados captados, além de diversos outros motivos que veremos mais adiante. Algumas técnicas aplicadas aqui são: Redução de dimensão, Normalização, Ajuste de deriva dos sensores, Extração de ruído e Compressão de transiente[?].

O último passo desse processo todo é juntar as informações recebidas e dizer que cheiro foi cheirado. Para isso são usadas diversas técnicas de reconhecimento de padrões, aqui serão listadas algumas delas, mas de maneira alguma elas são as únicas e vamos nos aprofundar bastante neste tópico em posts futuros. Quanto às técnicas elas se dividem em dois grandes grupos: (i) Aprendizado supervisionado e (ii) não supervisionado.

O aprendizado supervisionado reúne as técnicas de reconhecimento de padrões em que temos que dizer “Está vendo esse cheio? É cheiro de maçã”, “Está vendo este outro cheiro? É cheiro de pão”, ou seja, apresentamos uma entrada (leitura dos sensores) e dizemos qual a classe que ela pertence. Ao fazer isso diversas vezes, o sistema deve ser capaz de “aprender” o cheiro das classes e ao ser apresentado com um cheiro novo que ele nunca sentiu, o sistema deve ser capaz de dizer a qual classe ele acha mais provável que esse cheiro pertença. O exemplo mais famoso deste tipo de técnica são as redes neurais artificiais (em inglês conhecidas como ANN, Artificial Neural Networks).

O aprendizado não supervisionado reúne as técnicas de reconhecimento de padrões em que só temos que dizer “Eu tenho esse monte de cheiro aqui, o que você pode me dizer sobre eles?”, ou seja, apresentamos diversas entradas ao sistema e ele deve ser capaz de aprender algo sobre esses dados. Um outro nome dado a esse tipo de aprendizado é Clustering (agrupamentos), já que, em geral, o que essas técnicas fazem é agrupar os dados em classes que elas acham que são plausíveis. Um exemplo dessas técnicas é o K-means que agrupa os dados em K grupos de acordo com a distância dos dados a K respectivos pontos no espaço, no caso o dado pertencerá ao grupo que ele estiver mais próximo.

Depois de visto tudo isso espero que você tenha agora uma ideia geral sobre o que são os narizes eletrônicos. Esse é o primeiro post de alguns que pretendo fazer, até mais.

[?]

 

Leitura complementar:

Sobre o Autor

Possui graduação em Engenharia Elétrica com habilitação em Eletrônica pela Universidade Federal de Sergipe (2014) e mestrado em Engenharia Elétrica pela Universidade Federal de Sergipe (2017). Foi professor voluntário da Universidade Federal de Sergipe no período de 2015/1 lecionando a disciplina de Circuitos Digitais. É Professor substituto de Ensino Básico, Técnico, Tecnológico e Superior do Instituto Federal de Sergipe no Campus Lagarto (IFS-Lagarto). Tem experiência na área de Engenharia Elétrica, com ênfase em Robótica e Reconhecimento de Padrões.

Deixe uma resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.

pt_BRPortuguês do Brasil
en_GBEnglish (UK) pt_BRPortuguês do Brasil