Clasificación de microplásticos usando lenguas electrónicas
DOI:
https://doi.org/10.26507/paper.3126Palabras clave:
detección de microplasticos, agua, reconocimiento de patrónesResumen
Los microplásticos se han convertido en un agente contaminante silencioso de cuerpos de agua que se generan de las interacciones mecánicas de desechos plásticos de diferentes tipos de industrias con el ambiente en el que son depositados. Infortunadamente y dado el uso masivo del plástico en la vida diaria, la mala disposición de estos desechos ha generado que estos elementos terminen en las fuentes hídricas y en los diversos ecosistemas donde sus habitantes en su interacción con el agua los consumen en cantidades apreciables resultando en enfermedades a causa de esta contaminación. En humanos, se vienen realizando estudios que demuestran lo perjudiciales que son para la salud cuando son ingeridos a causa de una falta de control en los procesos de tratamiento de agua. Aunque existen métodos para la identificación de estos microplásticos, estos métodos no son necesariamente online requiriendo el desarrollo de pruebas de laboratorio que pueden tomar varias horas o días, lo que hace que no se monitoree de forma continua y que no se pueda hacer una detección temprana de estos para la toma de acciones por parte de las diferentes entidades ambientales y de control de estos ecosistemas. Como solución a esta problemática, en este artículo se propone una metodología simple para la detección de microplásticos usando técnicas electroquímicas, una red de sensores y estrategias de reconocimiento de patrones. La metodología es validada con datos de muestras de agua potable y agua potable con microplastico tipo PET mostrando su efectividad en el proceso de detección.
Descargas
Citas
Anaya, M. (2016). Design and validation of a structural health monitoring system based on bioinpired algorithms. Universitat Politècnica de Catalunya. España.
Bollaín Pastor, C., Vicente Agulló, D., Bollaín Pastor, C., & Vicente Agulló, D. (2019). Presencia de microplásticos en aguas y su potencial impacto en la salud pública. Revista Española de Salud Pública, 93. https://scielo.isciii.es/scielo.php?script=sci_arttext&pid=S1135-57272019000100012&lng=es&nrm=iso&tlng=es
C., G., . A. F., . F., & . C. A. (2020). MICROPLÁSTICOS: UN CONTAMINANTE QUE CRECE EN TODAS LAS ESFERAS AMBIENTALES, SUS CARACTERÍSTICAS Y POSIBLES RIESGOS PARA LA SALUD PÚBLICA POR EXPOSICIÓN. Revista Boliviana de Química, 37, 160–175. https://www.redalyc.org/articulo.oa?id=426365043004
Caicedo-Eraso, J. C., Díaz-Arango, F. O., & Osorio-Alturo, A. (2019). Espectroscopia de impedancia eléctrica aplicada al control de la calidad en la industria alimentaria. Ciencia & Tecnología /BrAgropecuaria, 21(1), 1–20. https://doi.org/10.21930/rcta.vol21_num1_art:951
Hidalgo-Ruz, V., Gutow, L., Thompson, R. C., & Thiel, M. (2012). Microplastics in the marine environment: A review of the methods used for identification and quantification. Environmental Science and Technology, 46(6), 3060–3075. https://doi.org/10.1021/ES2031505/ASSET/IMAGES/MEDIUM/ES-2011-031505_0006.GIF
Huang, G.-B., Zhou, H., Ding, X., & Zhang, R. (2012). Extreme Learning Machine for Regression and Multiclass Classification Systems, Man, and Cybernetics, Part B: Cybernetics. IEEE Transactions On, 42.
Jaime Vitola Maribel Anaya Vejar, D. A. T. B. F. P. (2016). Data-Driven Methodologies for Structural Damage Detection Based on Machine Learning Applications. In Pattern Recognition - Analysis and Applications. https://doi.org/10.5772/65867
Law, K. L. (2017). Plastics in the Marine Environment. Annual Review of Marine Science, 9(1), 205–229. https://doi.org/10.1146/annurev-marine-010816-060409
Leon, J. X., Munoz, W. A. P., Anaya, M., Vitola, J., & Tibaduiza, D. A. (2019). Structural damage classification using machine learning algorithms and performance measures. Structural Health Monitoring 2019: Enabling Intelligent Life-Cycle Health Management for Industry Internet of Things (IIOT) - Proceedings of the 12th International Workshop on Structural Health Monitoring, 1. https://doi.org/10.12783/shm2019/32254
Leon-Medina, J. X. and V. M. A. and T. D. A. (2020). Signal processing and pattern recognition in electronic tongues: A review. In D. Tibaduiza, V. Anaya, & F. Pozo (Eds.), Pattern Recognition Applications in Engineering (Vol. 1, pp. 84–108). IGI GLOBAL.
Reddy, G. T., Reddy, M. P. K., Lakshmanna, K., Kaluri, R., Rajput, D. S., Srivastava, G., & Baker, T. (2020). Analysis of Dimensionality Reduction Techniques on Big Data. IEEE Access, 8, 54776–54788. https://doi.org/10.1109/ACCESS.2020.2980942
sapea-microplastics. (n.d.).
Silva, C. J. M., Silva, A. L. P., Gravato, C., & Pestana, J. L. T. (2019). Ingestion of small-sized and irregularly shaped polyethylene microplastics affect Chironomus riparius life-history traits. Science of The Total Environment, 672, 862–868. https://doi.org/10.1016/J.SCITOTENV.2019.04.017
Thompson, R. C., Olson, Y., Mitchell, R. P., Davis, A., Rowland, S. J., John, A. W. G., McGonigle, D., & Russell, A. E. (2004). Lost at Sea: Where Is All the Plastic? Science, 304(5672), 838. https://doi.org/10.1126/SCIENCE.1094559/SUPPL_FILE/THOMPSON.SOM.PDF
Vejar, M. A., Tibaduiza-Burgos, D. A., Torres-Arredondo, M. A., & Pozo, F. (2015). Principal component analysis and self-organizing map for the damage detection and classification temperature variations. Structural Health Monitoring 2015: System Reliability for Verification and Implementation - Proceedings of the 10th International Workshop on Structural Health Monitoring, IWSHM 2015.
Descargas
Publicado
Cómo citar
Evento
Sección
Licencia
Derechos de autor 2023 Asociación Colombiana de Facultades de Ingeniería - ACOFI
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
| Estadísticas de artículo | |
|---|---|
| Vistas de resúmenes | |
| Vistas de PDF | |
| Descargas de PDF | |
| Vistas de HTML | |
| Otras vistas | |
