MENU

Calibraciones de las redes neuronales artificiales

16. abr., 2018
Autor Richard Mills
Las calibraciones ANN (Redes Neuronales Artificiales) son calibraciones potentes que abarcan conjuntos de datos muy grandes. Obtenga una visión global de las ventajas sobre las calibraciones ANN (Redes Neuronales Artificiales) y cuándo usarlas, descúbralo en este artículo breve y en la entrevista del vídeo.

Una Red Neuronal Artificial (ANN) es un modelo de calibración que se basa en la estructura neuronal del cerebro humano. Los modelos de calibración ANN llevan desarrollándose desde principios de la década de los 90, a la par que los avances informáticos , lo que ha permitido disponer de calibraciones con conjuntos de datos muy grandes.

El aspecto del conjunto de datos es relevante ya que hay implicadas muchas variables como la variación de la materia prima, distintas variedades de productos y múltiples parámetros. Una única calibración ANN empleada en una aplicación láctea puede abarcar todos los productos dentro de un grupo de productos. Por ejemplo, la calibración del queso del FoodScan de FOSS abarca el queso duro y semi-duro, y el queso blando, el queso para untar y el queso procesado, y una amplia gama de parámetros tales como la grasa, la humedad / los sólidos totales, la grasa de la materia seca, la sal y las proteínas.

En la calibración se pueden incluir varios miles de puntos de datos. Por poner otro ejemplo, la calibración de ANN Meat de FOSS abarca los parámetros de la grasa, la humedad, la proteína y el colágeno y se desarrolló utilizando aproximadamente 20 000 espectros, obtenidos globalmente de más de 1000 analizadores de carne de FOSS instalados por todo el mundo desde 1989. El amplio número de espectros hace que las calibraciones sean sólidas y versátiles.

¿Cuándo hay que utilizar las calibraciones ANN?
Una ventaja importante de ANN en comparación con otros métodos de calibración es que puede abarcar una amplia gama de parámetros sin tener que alternar entre una serie de calibraciones individuales. Por ejemplo, cuando se analiza carne, el operario puede utilizar la misma calibración para diferentes rangos de grasa y diferentes productos en lugar de tener que tomar una decisión acerca de pasarse a otra calibración y luego implementarla en el instrumento.

Donde quiera que se utilicen, las calibraciones ANN ahorran tiempo y hacen la vida más fácil para el operario, al tiempo que reducen el riesgo de error del operario.
El uso de ANN también significa que habrá menos calibraciones por verificar, lo que minimiza el tiempo de validación y los costes involucrados. Cuando hay muchos productos y parámetros implicados, este aspecto puede ahorrar costes significativos en comparación con el uso de otros métodos de calibración.

Aprendizaje por inteligencia mecánica y ANN
Hoy en día hay mucha expectación acerca de la posibilidad de programar todo tipo de máquinas (incluidos los instrumentos analíticos) para manejar tareas cada vez más complejas.
Como se explica en este vídeo, el trabajo realmente se ha estado haciendo en relación con el análisis alimentario y agrícola durante muchos años utilizando calibraciones ANN. La técnica es especialmente valiosa para manejar la naturaleza variable de muestras tales como la carne y el queso que se tienen que analizar en las industrias cárnica y láctea.

«Si se quieren gestionar diversas fábricas en varias regiones, entonces hay que utilizar el modelo de redes neuronales».

El especialista quimiométrico de FOSS, Lars Nørgaard, explica el potencial de los modelos de calibración de las Redes Neuronales Artificiales (ANN), incluida la capacidad para gestionar la variabilidad de las muestras de la carne y el queso.

Lea y vea más artículos y vídeos relacionados con la industria.

back to top icon