Calibración de una nariz electrónica tipo QCM y relación con las especificaciones para la calidad de la pera.

Las microbalanzas de cristal de cuarzo (QCM), son mecanismos piezoeléctricos, para transformarlos en sensores químicos es necesario recubrirlos con una capa de material capaz de capturar las moléculas del ambiente. Cuando una masa es adsorbida sobre la superficie del cristal, la frecuencia de oscilación cambia en proporción a la cantidad de masa (Di Natale et al. 1997). La respuesta de los sensores depende de numerosos factores que pueden ser difíciles de controlar, tales como la temperatura y la humedad del gas portador. Todos estos factores producen cambios en la selectividad de los sensores que afectan a la reproducibilidad de las medidas. A pesar de la existencia de numerosos estudios no existe ningún procedimiento establecido para la calibración de las QCM en relación con la sensibilidad necesaria en los sensores para el aseguramiento de la calidad en pera o en otras frutas.

Utilización de una nariz electrónica tipo QCM para la evaluación de la calidad aromática en pera y manzana.

The "Libra Nose" electronic nose has eight Quartz Microbalance Sensors. When gas molecules are adsorbed onto the quartz crystal surface, the oscillation frequency changes in proportion to the amount of mass. The response of sensors depends on numerous factors that may be difficult to control, such as the temperature and the humidity of the carrier gas. All these factors cause changes in the selectivity of sensors affecting the reproducibility of measurements. In this paper additive a multiplicative corrections are proposed to be applied to the raw sensors's signal in order to eliminate sources of variations. After these corrections, the sensors' response gives useful information to distinguish between batch of apples and pears with different ripeness stage.

Análisis de imágenes del rostro humano

El objetivo general de este trabajo es el correcto funcionamiento de un sistema de reconocimiento facial compuesto de varios módulos, implementados en distintos lenguajes. Uno de dichos módulos está escrito en Python y se encargarí de determinar el género del rostro o rostros que aparecen en una imagen o en un fotograma de una secuencia de vídeo. El otro módulo, escrito en C++, llevará a cabo el reconocimiento de cada una de las partes de la cara (ojos, nariz, boca) y la orientación hacia la que está posicionada (derecha, izquierda). La primera parte de esta memoria corresponde a la reimplementación de todas las partes de un analizador facial, que constituyen el primer módulo antes mencionado. Estas partes son un analizador, compuesto a su vez por un reconocedor (Tracker) y un procesador (Processor), y una clase visor para poder visualizar los resultados. Por un lado, el reconocedor o "Tracker.es el encargado de encontrar la cara y sus partes, que serán pasadas al procesador o Processor, que analizará la cara obtenida por el reconocedor y determinará su género. Este módulo estaba dise~nado completamente en C y OpenCV 1.0, y ha sido reescrito en Python y OpenCV 2.4. Y en la segunda parte, se explica cómo realizar la comunicación entre el primer módulo escrito en Python y el segundo escrito en C++. Además, se analizarán diferentes herramientas para poder ejecutar código C++ desde programas Python. Dichas herramientas son PyBindGen, Cython y Boost. Dependiendo de las necesidades del programador se contará cuál de ellas es más conveniente utilizar en cada caso. Por último, en el apartado de resultados se puede observar el funcionamiento del sistema con la integración de los dos módulos, y cómo se muestran por pantalla los puntos de interés, el género y la orientación del rostro utilizando imágenes tomadas con una cámara web.---ABSTRACT---The main objective of this document is the proper functioning of a facial recognition system composed of two modules, implemented in diferent languages. One of these modules is written in Python, and his purpose is determining the gender of the face or faces in an image or a frame of a video sequence. The other module is written in C ++ and it will perform the recognition of each of the parts of the face (eyes, nose , mouth), and the head pose (right, left).The first part of this document corresponds to the reimplementacion of all components of a facial analyzer , which constitute the first module that I mentioned before. These parts are an analyzer , composed by a tracke) and a processor, and a viewer to display the results. The tracker function is to find and its parts, which will be passed to the processor, which will analyze the face obtained by the tracker. The processor will determine the face's gender. This module was completely written in C and OpenCV 1.0, and it has been rewritten in Python and OpenCV 2.4. And in the second part, it explains how to comunicate two modules, one of them written in Python and the other one written in C++. Furthermore, it talks about some tools to execute C++ code from Python scripts. The tools are PyBindGen, Cython and Boost. It will tell which one of those tools is better to use depend on the situation. Finally, in the results section it is possible to see how the system works with the integration of the two modules, and how the points of interest, the gender an the head pose are displayed on the screen using images taken from a webcam.