Please use this identifier to cite or link to this item: http://repositorio.ufersa.edu.br/handle/prefix/5545
metadata.dc.type: Dissertação
Title: SMART SPR: identificação e análise das respostas fornecidas por sensores baseados em ressonância de plasmons de superfície
metadata.dc.creator: Gomes, Júlio Cartier Maia
metadata.dc.contributor.advisor1: Oliveira, Leiva Casemiro
metadata.dc.contributor.advisor-co1: Souza, Leandro Carlos de
metadata.dc.contributor.referee1: Costa, Marcus Vinicius Silverio
metadata.dc.contributor.referee2: Lima, Antonio Marcus Nogueira
metadata.dc.description.resumo: Os sensores baseados em Ressonância de Plasmons de Superfície (RPS) permitem avaliar mudanças de índice de refração, com objetivo de detectar interações moleculares em segurança alimentar, proteção ambiental, detecção de diferentes compostos químicos, bioquímicos e orgânicos entre diversas outras aplicações. A confiabilidade nas informações repassadas por um sensor RPS deve ser garantida, diante que informações erradas podem ocasionar consequências, tais como, más interpretações e manipulações das ligações moleculares. Para melhorar e atestar a qualidade nas respostas fornecidas no sensor baseado na RPS, este trabalho investiga o uso de diferentes técnicas de aprendizagem de máquina e de descritores em sensorgramas adquiridos. De forma mais específica, este trabalho busca identificar padrões e anomalias no seu comportamento nas respostas RPS e analisar o impacto dessas técnicas de aprendizagem na qualidade do sensor. Os resultados obtidos por meio da análise estatística permitiu concluir que o descritor temporal de sensorgrama obteve um melhor desempenho com a classificação e que o uso da regressão linear possibilitou analisar as áreas de interesses no sensorgrama com resultados satisfatórios, criando assim, um sensor RPS com resposta inteligente. Este trabalho obteve como resultado também a criação de uma interface gráfica para a classificação de sensorgramas. Dessa forma, como contribuição cientifica tem-se aplicação de técnicas de aprendizagem de máquina que permitiram identificar, analisar e classificar as respostas do sensorgrama
Abstract: Sensors based on Surface Plasmon Resonance (SPR) allow the evaluation of refractive index shifts, with the objective of detecting molecular interactions in food safety, environmental protection, detection of different chemical, biochemical and organic compounds, among several other applications. The reliability of the information transmitted by an SPR sensor must be guaranteed, given that wrong information can cause consequences, such as, misinterpretations and manipulations of molecular bonds. To improve and attest to the quality of the responses provided in the SPR-based sensor, this work investigates the use of different machine learning techniques and descriptors in acquired sensorgrams. More specifically, this work seeks to identify patterns and anomalies in their behavior in the SPR responses and to analyze the impact of these learning techniques on the quality of the sensor. The results obtained through the statistical analysis allowed to conclude that the sensorgram temporal descriptor obtained a better performance with the classification and that the use of linear regression made it possible to analyze the areas of interest in the sensorgram with satisfactory results, thus creating an SPR sensor with a intelligent response. This work also resulted in the creation of a graphical interface for the classification of sensorgrams. That way, the scientific contribution is the application of machine learning techniques that allowed to identify, analyze and classify the responses of the sensorgram
Keywords: Sensor óptico
Ressonância de plasmons de superfície (RPS)
Aprendizagem de máquina
Sensor inteligente
Optical sensor
Surface plasmon resonance (SPR)
Machine learning (ML)
Smart sensor
metadata.dc.subject.cnpq: CNPQ::CIENCIAS HUMANAS
metadata.dc.language: por
metadata.dc.publisher.country: Brasil
Publisher: Universidade Federal Rural do Semi-Árido
metadata.dc.publisher.initials: UFERSA
metadata.dc.publisher.department: Centro de Ciências Sociais Aplicadas e Humanas - CCSAH
metadata.dc.publisher.program: Programa de Pós-Graduação em Ensino - POSENSINO
Citation: Gomes (2020) (GOMES, 2020)
metadata.dc.rights: Acesso Aberto
URI: http://repositorio.ufersa.edu.br/handle/prefix/5545
Issue Date: 1-Jun-2020
Appears in Collections:MESTRADO EM CIÊNCIA DA COMPUTAÇÃO

Files in This Item:
File Description SizeFormat 
JulioCMG_DISSERT.pdf6.21 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.