Improving short term instability for quantitative analyses with portable electronic noses

Abstract

Uno de los principales problemas al trabajar con narices electrónicas es la falta de reproducibilidad o repetibilidad de la respuesta del sensor, de modo que, si este problema no se considera correctamente, las narices electrónicas pueden ser inútiles, especialmente para análisis cuantitativos. Por otro lado, la irreproductibilidad se incrementa con narices electrónicas portátiles y de bajo costo donde no se puede usar equipo de laboratorio como generadores de gas cero. En este trabajo se estudia la reproducibilidad de dos narices electrónicas portátiles, la PEN3 (comercial) y CAPINose (un diseño patentado) mediante el uso de muestras de vino sintético. Mostramos que en ambos casos la inestabilidad a corto plazo asociada a la respuesta de los sensores a la misma muestra y bajo las mismas condiciones representa un problema mayor y proponemos una técnica de normalización interna que, en ambos casos, reduce la variabilidad de la respuesta de los sensores. Finalmente, se muestra que la normalización propuesta parece ser más eficaz en el caso de CAPINose, reduciendo, por ejemplo, la variabilidad asociada al sensor TGS2602 de 12.19% a 2.2%.

One of the main problems when working with electronic noses is the lack of reproducibility or repeatability of the sensor response, so that, if this problem is not properly considered, electronic noses can be useless, especially for quantitative analyses. On the other hand, irreproducibility is increased with portable and low cost electronic noses where laboratory equipment like gas zero generators cannot be used. In this work, we study the reproducibility of two portable electronic noses, the PEN3 (commercial) and CAPINose (a proprietary design) by using synthetic wine samples. We show that in both cases short term instability associated to the sensors’ response to the same sample and under the same conditions represents a major problem and we propose an internal normalization technique that, in both cases, reduces the variability of the sensors’ response. Finally, we show that the normalization proposed seems to be more effective in the CAPINose case, reducing, for example, the variability associated to the TGS2602 sensor from 12.19% to 2.2%.