Gonzalez_Bonilla_Ana_María_2020

Vista previa del material en texto

DESARROLLO DE UN PROTOTIPO PARA LA 
DETECCIÓN DE GRUPOS FUNCIONALES DE 
COMPUESTOS ORGÁNICOS VOLÁTILES 
ASOCIADOS AL DETERIORO ALIMENTARIO 
 
 
 
 
 
 
 
ANA MARÍA GONZÁLEZ BONILLA 
 
 
 
 
 
 
 
 
 
 
UNIVERSIDAD EL BOSQUE 
FACULTAD DE INGENIERÍA 
PROGRAMA DE BIOINGENIERÍA 
BOGOTÁ, D.C. 
2020
 
ANA MARÌA GONZÀLEZ BONILLA 
2 
 
 
 
DESARROLLO DE UN PROTOTIPO PARA LA DETECCIÓN DE GRUPOS 
FUNCIONALES DE COMPUESTOS ORGÁNICOS VOLÁTILES ASOCIADOS AL 
DETERIORO ALIMENTARIO 
 
 
 
 
 
 
 
 
ANA MARÍA GONZÁLEZ BONILLA 
 
 
 
 
 
Trabajo de grado presentado como requisito para optar al título de: 
Bioingeniero 
 
Modalidad de Trabajo de Grado: Desarrollo de Producto 
 
 
 
 
 
 
Tutor: Jorge Armando Oliveros Hincapié 
Cotutora: Yudtanduly Acuña Monsalve 
 
 
 
 
 
 
 
 
UNIVERSIDAD EL BOSQUE 
FACULTAD DE INGENIERÍA 
PROGRAMA DE BIOINGENIERÍA 
BOGOTÁ, D.C. 
2020 
 
 
 
 
DEDICATORIA 
 
 
A Dios por darme la oportunidad de alcanzar mis sueños y metas de ser una mujer 
con un título profesional. 
 
A mi mamá y mi hermana por ser mi apoyo incondicional durante este camino que 
emprendí hace 5 años para poder cumplir con el logro de ser Bioingeniera. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
4 
 
 
AGRADECIMIENTOS 
 
 
Antes que nada, quiero agradecer a mi familia por brindarme el apoyo, esfuerzo y 
amor incondicional durante mi crecimiento y desarrollo personal. 
 
Agradecer a los encargados de la dirección del proyecto los ingenieros Jorge 
Armando Oliveros y Yudtanduly Acuña por sus aportes, apoyo, dedicación y 
paciencia durante el desarrollo de este proyecto de grado. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
CONTENIDO 
RESUMEN ....................................................................................................................... 13 
ABSTRACT ..................................................................................................................... 15 
INTRODUCCIÓN ............................................................................................................. 17 
1. DEFINICIÓN DEL PROBLEMA ................................................................................ 19 
2. JUSTIFICACIÓN ...................................................................................................... 21 
3. OBJETIVO GENERAL Y OBJETIVOS ESPECÍFICOS ............................................ 23 
4. ESTADO DEL ARTE ................................................................................................ 24 
5. MARCO REFERENCIAL .......................................................................................... 27 
5.1. Seguridad e Inocuidad Alimentaria ................................................................ 27 
5.2. Agentes y enfermedades de transmisión alimentaria ................................... 27 
5.3. L. monocytogenes ........................................................................................... 28 
5.3.1. Patogenicidad ............................................................................................. 28 
5.3.2. Estadísticas ................................................................................................ 29 
5.4. Deterioro Alimentario ...................................................................................... 29 
5.5. Contaminación en alimentos listos para el consumo humano .................... 30 
5.6. Generación de compuestos orgánicos volátiles generados por organismos 
patógenos ................................................................................................................... 30 
5.7. Grupos funcionales asociados al deterioro del alimento ............................. 31 
5.8. Métodos de medición de COVs en muestras alimentarias ........................... 31 
5.8.1. Sistemas electrónicos para la detección de compuestos orgánicos volátiles
 31 
5.8.2. Sensores asociados a la identificación de grupos funcionales .................... 32 
5.8.3. Elementos electrónicos para medir COVs .................................................. 33 
5.8.4. Sensores electrónicos quimio resistivos y sensores de condiciones 
ambientales .............................................................................................................. 34 
5.9. Microbiología predictiva.................................................................................. 36 
5.9.1. Velocidad especifica de crecimiento ........................................................... 36 
5.10. Machine learning .......................................................................................... 36 
5.10.1. Modelos de estimación ............................................................................... 37 
5.10.2. Regresión lineal múltiple ............................................................................. 38 
5.10.3. Matriz de confusión y métricas ................................................................... 39 
5.10.4. Clasificador k- vecinos más próximos ......................................................... 40 
5.11. Marco legal ................................................................................................... 41 
6. LEVANTAMIENTO DE REQUERIMIENTOS ............................................................ 42 
6.1. Requerimientos de Funcionalidad ................................................................. 42 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
6 
 
6.2. Requerimientos de Calidad ............................................................................. 43 
6.3. Requerimientos de Restricción ...................................................................... 45 
6.4. Requerimientos del algoritmo de predicción y clasificación ....................... 45 
7. METODOLOGÍA PROPUESTA ................................................................................ 46 
7.1. Investigación de grupos funcionales asociados a los compuestos orgánicos 
volátiles....................................................................................................................... 46 
7.2. Selección de herramientas y métodos para la identificación y recolección de 
las diferentes variables .............................................................................................. 46 
7.3. Adquisición de componentes ......................................................................... 47 
7.4. Diseño de primera versión del prototipo para la adquisición de datos 
generados por el arreglo de sensores ...................................................................... 47 
7.4.1. Arreglo de Sensores MQ, temperatura y humedad relativa ........................ 47 
7.4.2. Sensor SGAS 707 ...................................................................................... 48 
7.4.3. Diseño de Algoritmo para la Obtención de datos ........................................ 48 
7.5. Sistema de medición de temperatura interna del prototipo ......................... 49 
7.5.1. Sistema de Medición .................................................................................. 50 
7.5.2. Sistema de Calefacción .............................................................................. 51 
7.5.3. Integración del sistema temperatura y del sistema de calefacción .............. 51 
7.6. Sistema de control........................................................................................... 52 
7.7. Sistema de alimentación ................................................................................. 52 
7.8. Sistema de interacción con el usuario ........................................................... 52 
7.9. Diseño del algoritmo obtención de datos sistema de temperatura y 
calefacción .................................................................................................................52 
7.10. Ingeniería de detalle – diseño e impresión PCB ........................................ 53 
7.11. Caracterización de los sistemas de medición diseñados ......................... 53 
7.11.1. Etapa de precalentamiento ......................................................................... 53 
7.11.2. Calibración – Verificación del Funcionamiento del Sensor SGAS 707 frente a 
la sensibilidad de Sustancias. ................................................................................... 53 
7.11.3. Calibración y verificación de funcionamiento de los sensores MQ .............. 54 
7.11.4. Calibración y Curvas de variación de medida sistema de medición y control 
de temperatura y humedad ....................................................................................... 54 
7.12. Plan de pruebas ........................................................................................... 55 
7.13. Pruebas de asepsia ...................................................................................... 56 
7.14. Implementación de modelos Machine Learning ........................................ 56 
7.14.1. Diseño y desarrollo interfaz de microbiología predictiva ............................. 58 
7.14.2. Diseño y desarrollo de la interfaz del modelo de predicción de crecimiento con 
regresión Múltiple ..................................................................................................... 62 
 
 
7.15. Diseño y desarrollo de modelo Machine Learning de calidad de alimentos 
cárnicos ...................................................................................................................... 66 
7.15.1. Algoritmo de clasificación de características ............................................... 67 
7.15.2. Etapa de entrenamiento ............................................................................. 67 
7.15.3. Métricas de evaluación ............................................................................... 67 
7.15.4. Métricas de evaluación ............................................................................... 68 
7.15.5. Fase de visualización gráfica ...................................................................... 68 
8. RESULTADOS Y DISCUSIÓN ................................................................................. 69 
8.1. Selección de herramientas y métodos para la identificación y recolección de 
las diferentes variables .............................................................................................. 69 
8.2. Especificaciones de sensores Seleccionados .............................................. 70 
8.2.1. Sensor SGAS 707 ...................................................................................... 70 
8.2.2. Sensor MQ-3 .............................................................................................. 70 
8.2.3. Sensor MQ-5 .............................................................................................. 70 
8.2.4. Sensor MQ-135 .......................................................................................... 71 
8.2.5. Sensor de humedad HIH 4000 ................................................................... 71 
8.2.6. Sensor de temperatura Max 6675 .............................................................. 71 
8.2.7. Celdas peltier ............................................................................................. 71 
8.3. Matrices de decisión para la selección de componentes electrónicos ....... 72 
8.4. Diseño del prototipo inicial para la adquisición de los datos generados por 
el arreglo de sensores de gas ................................................................................... 74 
8.4.1. Adquisición de la señal arreglo sensores familia MQ. ................................. 74 
8.5. Diseño del algoritmo para la obtención de los datos del sistema de sensores 
MQ 76 
8.6. Sistema de medición de la temperatura interna del prototipo ..................... 77 
8.7. Diseño de algoritmo para la obtención de los datos del sistema de 
temperatura y la calefacción ..................................................................................... 78 
8.8. Selección de las dimensiones del prototipo .................................................. 80 
8.9. Selección del material del prototipo............................................................... 80 
8.9.1. Matriz de decisión para la selección del material del prototipo .................... 80 
8.9.2. Hermeticidad del prototipo .......................................................................... 81 
8.10. Diseño e impresión de PCB modulares de sensores modulares ............. 81 
8.11. Ingeniería de detalle ..................................................................................... 84 
8.11.1. Sistema de medición de compuestos orgánicos volátiles ........................... 84 
8.12. Sistema de procesamiento .......................................................................... 85 
8.13. Sistema de alimentación ............................................................................. 88 
8.14. Sistema de interacción con el usuario ....................................................... 89 
8.15. Sistema de almacenamiento ....................................................................... 90 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
8 
 
8.16. Diseño físico del prototipo .......................................................................... 91 
8.16.1. Diseño y estructura Externa- caja principal ................................................. 91 
8.16.2. Diseño y estructura externa- Almacenamiento sensórica. .......................... 95 
8.17. Planos del prototipo .................................................................................... 96 
8.18. Verificación del funcionamiento de los sensores de gas ......................... 96 
8.18.1. Calibración por sensibilidad del sensor SGAS 707 Datasheet .................... 96 
8.18.2. Gráfica de comportamiento sensor SGAS 707 ........................................... 97 
8.18.3. Calibración por sensibilidad del sensor MQ-3Datasheet ............................. 99 
8.18.4. Gráfica de comportamiento sensor MQ-3 ................................................. 100 
8.18.5. Calibración por sensibilidad del sensor MQ-5 Datasheet .......................... 102 
8.18.6. Gráfica de comportamiento sensor MQ-5 ................................................. 103 
8.18.7. Calibración por sensibilidad sensor MQ-135 Datasheet ............................ 105 
8.18.8. Gráfica de comportamiento sensor MQ-135 ............................................. 105 
8.18.9. Variación de medida sistema de medición y control de Temperatura ....... 106 
8.19. Diseño y desarrollo de interfaz de evaluación de modelo de microbiología 
predictiva .................................................................................................................. 108 
8.19.1. Interfaz Modelo predictivo ......................................................................... 109 
8.20. Visualización del funcionamiento de la interfaz gráfica y el modelo de 
predicción microbiana ............................................................................................. 110 
8.21. Diseño y desarrollo de la interfaz del modelo de predicción del crecimiento 
con regresión múltiple ............................................................................................. 111 
8.21.1. Adquisición y procesamiento de las señales ............................................. 112 
8.21.2. Características de entrada ........................................................................ 112 
8.21.3. Característica de salida ............................................................................ 112 
8.21.4. Extracción de las características ..............................................................114 
8.21.5. Error total del algoritmo ............................................................................ 115 
8.21.6. Cálculo de thetas y de fórmula de la correlación entre las entradas y salida del 
sistema 117 
8.21.7. Etapa de visualización de modelo regresión múltiple ................................ 118 
8.22. Diseño y desarrollo del modelo de clasificación K-vecinos ................... 119 
8.22.1. Etapa de Visualización del clasificador K-NN ........................................... 123 
9. Costo del prototipo ............................................................................................... 126 
10. CONCLUSIONES ............................................................................................... 127 
11. RECOMENDACIONES ....................................................................................... 129 
12. REFERENCIAS .................................................................................................. 130 
 
 
 
 
 
 
 
LISTA DE ILUSTRACIONES 
 
Ilustración 1 Árbol del problema. ............................................................................ 20 
Ilustración 2 Crecimiento de L. monocytogenes en agar PALCAM ........................ 28 
Ilustración 3 Principales vías metabólicas primarias y secundarias. ...................... 31 
Ilustración4 Producción de grupos funcionales asociados a contaminación 
microbiana. ............................................................................................................ 33 
Ilustración 5 Sensor HIH-4000. .............................................................................. 35 
Ilustración 6 Modulo de termocupla tipo k MAX 6675. ........................................... 35 
Ilustración 7 Métodos de validación Machine Learning. ......................................... 37 
Ilustración 8 Clases asignadas por K-vecinos........................................................ 40 
Ilustración 9 Esquemático electrónico del sistema de sensores MQ y DHT11. ..... 74 
Ilustración 10 Diagrama esquemático del circuito de acondicionamiento del 
calentador del sensor SGAS 707. .......................................................................... 75 
Ilustración 11 Sistema de medición y calefacción del prototipo. ............................ 77 
Ilustración 12 Esquema electrónico PCB de sistema de medición de sensores MQ.
 ............................................................................................................................... 82 
Ilustración 13 Esquema electrónico PCB de sistema de temperatura y calefacción.
 ............................................................................................................................... 82 
Ilustración 14 Esquema electrónico PCB del sistema de acondicionamiento del 
calentador del sensor SGAS 707. .......................................................................... 83 
Ilustración 15 Esquema electrónico PCB del sistema general de integración de los 
componentes electrónicos. .................................................................................... 83 
Ilustración 16 Arreglo de sensores prototipo preliminar. ........................................ 84 
Ilustración 17 Arreglo de sensores finales para la detección de COVs en matrices 
alimentarias............................................................................................................ 85 
Ilustración 18 Diseño esquemático final de sistema de procesamiento. ................ 86 
Ilustración 19 Sistema de alimentación. ................................................................. 88 
Ilustración 20 Sistema de interacción con el usuario y el almacenamiento. .......... 89 
Ilustración 21 Partes de Sistema electrónico tipo modular en configuración Shell.90 
Ilustración 22 Vista frontal Ensamble final de prototipo ........................................ 91 
Ilustración 23 Vista lateral de ensamble final de prototipo. .................................... 92 
Ilustración 24 Prototipo final ensamblado. ............................................................. 93 
Ilustración 25 Comunicación del prototipo con interfaz LabVIEW®. ...................... 94 
Ilustración 26 Vista superior de etapa componentes electrónicos del prototipo. .... 95 
Ilustración 27 Curva de calibración sensor SGAS707 en presencia de 
concentraciones de cetonas. ................................................................................. 97 
Ilustración 28 Curva de validación de pruebas de detección de grupos funcionales 
cetonas. ................................................................................................................. 98 
Ilustración 29 Curva de calibración del sensor MQ-3 en presencia de 
concentraciones de alcoholes. ............................................................................. 100 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
10 
 
Ilustración 30 Curva de validación de pruebas detección de grupos funcionales 
alcoholes. ............................................................................................................. 101 
Ilustración 31 Curva de calibración sensor MQ-5 en presencia de concentraciones 
del propano. ......................................................................................................... 103 
Ilustración 32 Curva de validación de pruebas detección de propano volátil. ...... 103 
Ilustración 33 Curva de calibración sensor MQ-135 en presencia de concentraciones 
de iones amonio. .................................................................................................. 105 
Ilustración 34 Construcción e implementación de interfaz de modelo de predicción 
microbiano específico para L. monocytogenes. ................................................... 108 
Ilustración 35: Construcción e implementación de interfaz de modelo de predicción 
microbiano específico para L. monocytogenes. ................................................... 109 
Ilustración 36 Visualización gráfica de modelo de predicción. ............................ 110 
Ilustración 37 Interfaz del modelamiento predictivo en funcionamiento, y resultado 
de parámetros. ..................................................................................................... 111 
Ilustración 38 Extracción de las características sin normalizar y con ruido ......... 113 
Ilustración 39 Normalización de las características de entrada del modelo de 
regresión múltiple. ................................................................................................ 114 
Ilustración 40 Gráfica del modelo predictivo vs comportamiento de crecimiento 
poblacional microbiano con datos reales extraídos de articulo base. .................. 116 
Ilustración 41 Visualización gráfica de modelo de regresión múltiple. ................. 118 
Ilustración 42 Visualización gráfica de modelo de regresión múltiple. ................. 119 
Ilustración 43 Matriz de dispersión de las cuatro clases establecidas para determinar 
la calidad del alimento en el modelo de clasificación. .......................................... 120 
Ilustración 44 Grafica de matriz de dispersión entre dos clases. ......................... 121 
Ilustración 45 Matriz de confusión del algoritmo de clasificación de la calidad de las 
matrices cárnicas. ................................................................................................ 123 
Ilustración 46 Interfaz gráfica de modelo de clasificación de la calidad de alimentos 
cárnicos. .............................................................................................................. 124 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
LISTA DE ECUACIONES 
 
Ecuación 1:Precisión. ............................................................................................ 39 
Ecuación 2:Sensibilidad. ........................................................................................39 
Ecuación 3: Especificidad. ..................................................................................... 40 
Ecuación 4 Perdida de agua. ................................................................................. 60 
Ecuación 5 Producción ácido láctico. .................................................................... 61 
Ecuación 6 Velocidad de crecimiento. ................................................................... 61 
Ecuación 7 crecimiento microbiano ....................................................................... 61 
Ecuación 8 Características extraídas del comportamiento de los sensores en función 
del crecimiento microbiano. ................................................................................... 63 
Ecuación 9 Función hipótesis ............................................................................... 64 
Ecuación 10 Función de coste. .............................................................................. 65 
Ecuación 11 Solución analítica. ............................................................................. 65 
Ecuación 12 Métricas de evaluación. ..................................................................... 68 
Ecuación 13 Error cuadrático medio .................................................................... 115 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
12 
 
 
LISTA DE TABLAS 
 
Tabla 1 sensores específicos para la detección de grupos funcionales ................ 34 
Tabla 2 Conjunto de datos de entrada en relación con salida del sistema. ........... 38 
Tabla 3 Matriz de confusión para dos o más clases. ............................................. 39 
Tabla 4 Rangos de Activación del sistema de Calefacción. ................................... 51 
Tabla 5 Parámetros cardinales de condiciones óptimas de crecimiento microbiano 
para L. monocytogenes. ........................................................................................ 60 
Tabla 6 Características extraídas del comportamiento de los sensores en función 
del crecimiento microbiano. ................................................................................... 64 
Tabla 7 Clases establecidas para clasificar la calidad de matrices alimentarias. . 67 
Tabla 8 Tabla de sensores seleccionados para la detección de los compuestos 
orgánicos volátiles. ................................................................................................ 69 
Tabla 9 Selección final de componentes para la medición de diferentes grupos 
funcionales que conforman los compuestos orgánicos volátiles. ........................... 70 
Tabla 10 Matriz de decisión de selección de sensor detector de múltiples gases. 72 
Tabla 11 Matriz de decisión de selección de sensor específico para la detección de 
grupos funcionales con presencia de alcoholes..................................................... 72 
Tabla 12 Matriz de decisión de selección de sensor específico para la detección de 
grupos funcionales asociados a la presencia de metano, propano y butano. ........ 72 
Tabla 13 Matriz de decisión de selección de sensor específico para la detección de 
la presencia de Metano, Butano y sus derivados................................................... 73 
Tabla14 Matriz de decisión de selección de sensor específico para la detección de 
la temperatura interna del prototipo. ...................................................................... 73 
Tabla 15 Matriz de decisión de selección de sensor específico para la detección de 
humedad relativa interna del prototipo. .................................................................. 73 
Tabla 16 Rangos establecidos para el funcionamiento de sistema de calefacción- 
celdas peltier. ......................................................................................................... 78 
Tabla 17:criterios de orientación para la decisión de material del prototipo. .......... 80 
Tabla 18 Datos arrojados durante las experimentaciones. .................................... 99 
Tabla 19 Curva de validación de pruebas detección de grupos funcionales 
alcoholes. ............................................................................................................. 102 
Tabla 20 Curva de validación de pruebas detección de propano en el espectro de 
cabeza. ................................................................................................................ 104 
Tabla 21 Curva de datos teóricos para la detección de NH4 en el espectro de 
cabeza. ................................................................................................................ 106 
Tabla 22 Tabla de medición de temperatura vs tiempo de respuesta. ................ 107 
Tabla 23 Parámetros de thetas óptimos generados en el modelo de regresión 
múltiple. ............................................................................................................... 117 
Tabla 24 Resultados de comparación entre clases del clasificador. .................. 122 
 
 
 
 
RESUMEN 
El deterioro en matrices alimentarias se da, principalmente, por el desarrollo de 
actividades microbianas asociadas a la degradación de sustratos que componen el 
alimento como proteínas, carbohidratos y lípidos, generando cambios en las 
propiedades intrínsecas, atributos sensoriales y generación de compuestos 
orgánicos volátiles desagradables convirtiéndolo en un alimento no apto para el 
consumo humano (Lorenzo et al., 2018; Odeyemi, Alegbeleye, Strateva, & Stratev, 
2020). Para el año 2019 el Instituto Nacional de Salud registró un incremento del 
56% en los reportes de casos por enfermedades de transmisión alimentaria, donde 
el 67% de los registros corresponde a reportes generados por deficiencias en la 
manipulación de alimentos en el hogar y el 25% restante a brotes asociados por el 
consumo de alimentos, en establecimientos públicos (Guerrero, 2016; Lucía et al., 
n.d.). 
El presente trabajo de grado tiene como objetivo desarrollar un prototipo para la 
medición de diferentes grupos funcionales de compuestos orgánicos volátiles, 
generados en matrices alimentarias asociados al deterioro alimentario a través de 
un arreglo de sensores de gas y la medición de la temperatura y la humedad de las 
condiciones internas del prototipo. Para la definición del problema se investigaron 
los antecedentes relacionados con la identificación del deterioro de los alimentos 
por la presencia de microorganismos patógenos, lo cual permite la contextualización 
de la problemática asociada a la seguridad e inocuidad alimentaria; seguido, se 
planteó la justificación frente a la importancia de desarrollar herramientas y equipos 
que permitan la medición de los compuestos orgánicos volátiles generados por la 
proliferación de agentes patógenos en los alimentos. Los argumentos teóricos y la 
normatividad de base se exponen en el marco referencial, como, así mismo, la 
revisión de otros estudios enfocados en el desarrollo de equipos electrónicos en el 
campo de la inocuidad de los alimentos. 
La metodología planteada se desarrolla en función del cumplimiento de cada uno 
de los objetivos. Para el primer y segundo objetivo se utilizó la metodología CDIO, 
la cual consiste en contextualizar, diseñar e implementar un prototipo para la 
detección de diferentes grupos funcionales de compuestos orgánicos volátiles 
asociados al deterioro alimentario. Para el diseño del prototipo inicialmente se 
realizó la revisión de estudios que desarrollan equipos para la detección de los 
compuestos orgánicos volátiles, después se desarrollaron dos componentes: el 
diseño del hardware electrónico en Arduino® y el diseño físico en el programa de 
diseño Fusion 360®. Después, el segundo objetivo, el cual consiste en construir un 
prototipo que permita registrar gases relacionados con grupos funcionalesde los 
compuestos orgánicos volátiles, implementando un control de temperatura y 
monitoreo de la humedad. La construcción se realizó mediante la formulación de los 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
14 
 
requerimientos necesarios para la medición por los componentes electrónicos, se 
incorporó el diseño físico del prototipo para medir los cambios en la resistencia de 
los sensores por la presencia de los gases generados en el alimento. Para el 
desarrollo del tercer objetivo, se implementó una interfaz gráfica en el software de 
ingeniería LabVIEW® para que permita relacionar los compuestos orgánicos 
volátiles con la presencia de microorganismos asociados al deterioro alimentario. 
Se desarrollaron 3 modelos de predicción del comportamiento microbiano frente a 
la variación de los componentes electrónicos; el primero, hace referencia a un 
modelo de microbiología predictiva con base en argumentos teóricos; el segundo, 
se desarrolló mediante la extracción de datos experimentales del artículo “Electronic 
nose dataset for beef quality monitoring in uncontrolled ambient conditions”, 
evaluando la correlación entre los datos arrojados por los sensores MQ3,5,135, 
temperatura y humedad en la predicción del comportamiento de crecimiento 
poblacional microbiano. El último modelo hace referencia a un sistema Machine 
Learning de tipo K-NN que permite clasificar una muestra desconocida en clases de 
calidad establecidas por el estudio, anteriormente, mencionado. 
 
Palabras clave: Deterioro alimentario, Machine Learning, compuestos orgánicos 
Volátiles, modelo predictivo, 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
ABSTRACT 
Deterioration in food matrices is mainly due to the development of microbial activities 
associated with the degradation of substrates that make up food such as proteins, 
carbohydrates and lipids, generate changes in intrinsic properties, sensory attributes 
and the generation of unpleasant volatile organic compounds, making it unfit for 
human consumption (Lorenzo et al., 2018; Odeyemi, Alegbeleye, Strateva, & 
Stratev, 2020). By 2019, the National Health Institute recorded a 56% increase in 
case reports of foodborne diseases, with 67% of the records corresponding to 
reports generated by deficiencies in household food handling and the remaining 25% 
to outbreaks associated with food consumption in public establishments (Guerrero, 
2016; Lucía et al., n.d.). 
This degree work aims to develop a prototype for the measurement of different 
functional groups of volatile organic compounds generated in food matrices 
associated to food spoilage through an array of gas sensors and the measurement 
of temperature and humidity of the internal conditions of the prototype. To define the 
problem, background research was done on the identification of food deterioration 
due to the presence of pathogenic microorganisms, which allows the 
contextualization of the problem associated to food safety and innocuousness, 
followed by the justification of the importance of developing tools and equipment that 
allow the measurement of volatile organic compounds generated by the proliferation 
of pathogenic agents in food. Theoretical arguments and basic regulations are 
presented in the reference framework, as well as the review of other studies focused 
on the development of electronic equipment in the field of food safety. 
The proposed methodology is developed according to the fulfillment of each one of 
the objectives. For the first and second objectives, CDIO methodology was used, 
which consists of contextualizing, designing and implementing a prototype for the 
detection of different functional groups of volatile organic compounds associated to 
food spoilage. For the design of the prototype, we initially reviewed studies that 
develop equipment for the detection of VOCs, then we developed two components: 
the design of the electronic hardware in Arduino® and the physical design in the 
Fusion 360® design program, then the second objective which consists of building 
a prototype that allows the recording of gases related to functional groups of VOCs, 
implementing a temperature control and humidity monitoring. The construction was 
done by formulating the necessary requirements for the measurement by the 
electronic components, the physical design of the prototype was incorporated to 
measure the changes in the resistance of the sensors by the presence of the gases 
generated in the food. For the development of the third objective, a graphic interface 
was implemented in the engineering software LABVIEW® that allows to relate the 
volatile organic compounds with the presence of microorganisms associated with 
food spoilage. Three models of prediction of microbial behavior in front of the 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
16 
 
variation of electronic components were developed, the first one refers to a predictive 
microbiology model based on theoretical arguments, the second one was developed 
through the extraction of experimental data from the article "Electronic nose dataset 
for beef quality monitoring in uncontrolled environmental conditions", evaluating the 
correlation between the data thrown by the sensors MQ3,5,135, temperature and 
humidity in the prediction of the behavior of microbial population growth. The last 
model refers to a K-NN classifier which allows to classify an unknown sample in 
quality classes established by the previously mentioned study. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
INTRODUCCIÓN 
El estudio de la calidad e inocuidad de los alimentos a nivel mundial es importante 
frente al desarrollo de tecnologías y estrategias que garanticen la producción de los 
alimentos según la normativa vigente(Potravinarstvo, 2018). La inocuidad puede 
verse afectada, por diferentes factores como: factores biológicos, factores 
ambientales, fallas en la cadena de procesamiento y contaminación cruzada por la 
manipulación de diferentes alimentos en un mismo espacio o por el uso de 
implementos no esterilizados. La afectación por factores biológicos en alimentos 
como hortalizas, lácteos y frutas se da por la presencia de bacterias patógenas que 
pueden ser adquiridas por diferentes medios, principalmente por las practicas 
antihigiénicas durante el proceso y envase de los productos, deficiencia en la 
cadena de refrigeración y por mala manipulación durante su procesamiento, con 
llevando al deterioro de los alimentos (“Calidad e inocuidad de alimentos,” n.d.; 
Caraballo Guzmán, González Hurtado, Cuesta-Astroz, & Torres, 2020) 
 
En consecuencia, el consumo de alimentos contaminados por patógenos entéricos 
como L. monocytogenes, S. aureus, E. coli y Pseudomonas. spp acarrean el 
desarrollo de enfermedades de transmisión alimentaria (ETAS), las cuales generan 
intoxicaciones en el sistema digestivo, por la ingesta de toxinas liberadas por los 
procesos metabólicos propios del crecimiento microbiano. El desarrollo de enzimas 
y toxinas microbianas, se ven limitadas en su desarrollo por los factores intrínsecos 
del alimento como: el pH, la actividad de agua (Aw) en relación directa con los 
factores extrínsecos como la humedad relativa, la temperatura y la atmósfera 
gaseosa en la que se encuentre el alimento fomentando su incremento poblacional 
y el deterioro de la calidad del alimento en función del tiempo (Instituto Nacional de 
Salud Subdirección de Investigación, n.d.-a; Majumdar et al., 2018).Por otro lado el 
deterioro alimentario genera graves incidencias sobre el cumplimiento de los 
protocolos HACCP los cuales se establecen como la normativa institucional que rige 
y analiza los puntos críticos y peligros que puedan presentarse durante la 
producción de todos los alimentos (Salud Rubio Lozano et al., 2013). 
 
En Colombia, las enfermedades de transmisiónalimentaria hacen parte de los 
problemas que afectan ocurrentemente la salud pública, según la evaluación de los 
indicadores a nivel nacional reportados por el sistema de vigilancia Sivigila, entre 
los periodos de 2016 a 2018 se ha presentado un incremento del 2,5% de los casos 
positivos por intoxicación, principalmente, en alimentos cárnicos, lácteos, productos 
delicatessen y comidas preparadas en frio listas para el consumo, ocasionando 
preocupación en el sector productivo, en pequeños y grandes fabricantes en cuanto 
a garantizar la inocuidad y seguridad de sus productos durante el consumo y tiempo 
de vida del mismo, durante un periodo de tiempo, previamente establecido en 
cumplimiento con los estándares de la normatividad colombiana (Instituto Nacional 
de Salud Subdirección de Investigación). 
En la actualidad, las pruebas de calidad de identificación de microrganismos en los 
alimentos como los métodos microscópicos, prueba PCR y la prueba LAL para la 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
18 
 
identificación endotoxinas constituyen un costo elevado y tiempo de respuesta , por 
lo cual en los últimos años se han estudiado y desarrollado diferentes métodos para 
identificación y predicción de la población microbiana en diferentes matrices 
alimentarias por medio de la implementación de instrumentación electrónica 
conformada por elementos semiconductores de óxido metálico (CMOS) y polímeros 
orgánicos conductores (CP), que permiten identificar compuestos orgánicos 
conformados por grupos funcionales como: aminas, alcoholes, aldehídos, cetonas, 
bencenos y amonio, que pueden relacionarse con la presencia de microorganismos 
en un alimento generados por las diferentes rutas metabólicas de los mismos 
durante su crecimiento poblacional(Casalinuovo, Di Pierro, Coletta, & Di Francesco, 
2006; Majumdar et al., 2018). 
De igual forma la aplicación de modelos de predicción Machine Learning de 
crecimiento microbiano en diferentes matrices alimentarias mediante el análisis de 
los factores intrínsecos y extrínsecos que inhiban la velocidad de crecimiento y la 
proliferación de uno o varios microorganismos en un alimento, se pueden determinar 
por medio de modelos de estimación, según las características involucradas en el 
desarrollo y afectación del mismo en relación con el crecimiento de un 
microorganismo en el tiempo. Siendo estas alternativas métodos de detección 
temprana de la presencia de microrganismos en diferentes productos, la 
identificación del deterioro del alimento y un aporte en el control de calidad en el 
sector para pequeños y grandes productores de la industria alimentaria 
(Casalinuovo et al., 2006). 
El desarrollo de este trabajo de grado va dirigido al sector productivo alimentario, 
principalmente, a las empresas de producción y venta de alimentos listos para el 
consumo, los cuales tienen la necesidad de garantizar la calidad e inocuidad de los 
alimentos que adquieren de pequeños productores y agricultores. El desarrollo de 
este proyecto tiene como finalidad contribuir en el desarrollo de prototipos basados 
en la integración de instrumentación electrónica específica para detección de gases 
industriales que permitan la identificación temprana de la presencia de agentes 
patógenos en la producción final de alimentos aptos para el consumo humano, 
generando un impacto positivo en la disminución de casos detectados por el sistema 
de salud por consumo de alimentos en estado de deterioro. 
 
 
 
 
 
 
 
 
1. DEFINICIÓN DEL PROBLEMA 
 
La seguridad alimentaria y la calidad de los alimentos se encuentran entre los retos 
que busca garantizar la industria y el sector productivo a la hora de sacar al mercado 
productos listos para el consumo humano, debido a la generación del deterioro de 
los alimentos frente a la presencia de microorganismos o por inconsistencias 
durante su proceso de producción, concibiendo el desarrollo de indicadores como 
cambios en su apariencia, generación de olores característicos de deterioro y 
cambios en su sabor y textura, catalogándolos como alimentos no aptos para ser 
consumidos, generando tanto afectaciones en la salud pública, como en pérdidas 
económicas para el sector y, por ende, el desperdicio de alimentos siendo el hambre 
y la desnutrición problemáticas a nivel mundial (Odeyemi et al., 2020). 
 
Entre los sectores que, eventualmente, deben lidiar con el deterioro alimentario 
frente al tiempo de consumo determinado para cada producto, se encuentra el 
sector cárnico, lácteo, hortalizas, frutas y alimentos delicatessen fabricados 
artesanalmente, para lo cual según análisis de producción estos alimentos pueden 
ser afectados por la colonización de agentes patógenos durante su procesamiento. 
El sistema de información de precios y abastecimiento del sector agropecuario 
colombiano (SIPSA) estima dentro del panorama mundial de producción de cárnicos 
un margen de 944.000 toneladas correspondientes a carne de canal, siendo 
Colombia el cuarto país de América latina con mayor producción de carne bovina 
durante 2015 (Federación Colombiana de Ganaderos, n.d.). Sin embargo, la falta 
de buenas prácticas y la falta de tecnificación del sector durante la cadena 
productiva de carne bovina genera deficiencias que favorecen condiciones para la 
proliferación microbiana, poniendo en riesgo la inocuidad del alimento, y por 
consiguiente, ocasionando afectaciones en la salud pública provocando 
enfermedades de transmisión alimentaria (Olea Normandin, 2007; Pajaro & Salazar, 
2015). 
 La contaminación de los alimentos puede darse por mala manipulación durante su 
procesamiento, principalmente, por factores humanos o por factores técnicos en 
cuanto a los protocolos de higienización en la maquinaria involucrada, generando la 
presencia de microorganismos por contaminación cruzada. La presencia de carga 
microbiana en la matriz alimentaria se evidencia en la etapa final de producción, 
empaque y distribución del producto (Invima, n.d.-a). La presencia de 
microorganismos puede llegar a originar deterioro de los productos, el cual es un 
proceso de cambio biológico y físico-químico generado en el alimento, calificándolo 
como inaceptable para el consumo humano (Wang, Li, Yang, Ruan, & Sun, 2016). 
 
Actualmente, existen diferentes técnicas como: cromatografía de gases, pruebas 
microbiológicas, trampa de agujas y narices electrónicas, en donde, debido a la 
complejidad y al elevado costo de las técnicas de laboratorio para determinar la 
presencia de microorganismos patógenos en los alimentos, se establece una 
dificultad para la evaluación de la calidad de los alimentos en corto tiempo y a bajo 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
20 
 
costo (Montoya Rodríguez, 2014). En general, estas pruebas pueden tener un costo 
que oscila entre $150.000 y $400.000 COP y pueden tomar un tiempo estimado de 
40 horas a 1 semana (“Kits de análisis de Listeria | Detección rápida y confiable de 
Listeria,” n.d.). 
 
La falta de dispositivos y herramientas de apoyo en la industria alimentaria que 
faciliten la verificación de la ausencia de patógenos como L. monocytogenes, E. coli 
S. aureus y demás microorganismos que se pueden presentar en productos 
cárnicos, lácteos, hortalizas y alimentos preparados, puede contribuir a que el lote 
de producción no cumpla con los parámetros de calidad establecidos por el decreto 
1500 de 2007, el cual establece el reglamento técnico del sistema de inspección, 
vigilancia y control de la carne, derivados cárnicos, lácteos y demás productos 
destinados para el consumo humano (Pajaro & Salazar, 2015) (Minsalud, n.d.-b). 
 
Para el caso de alimentos cárnicos que presenten la presencia de L. 
monocytogenes se establece la normativa técnica 1325, la cual estipula total 
ausencia del microorganismo en las muestras de carne analizadas. (Icontec, 2008).Ilustración 1 Árbol del problema. 
 
 
 
 
2. JUSTIFICACIÓN 
Los alimentos cómo las hortalizas, frutas, productos lácteos y cárnicos durante su 
cadena de procesamiento hasta su disposición final, suelen ser susceptibles al 
deterioro de sus propiedades, por fallas en su almacenamiento, refrigeración y 
manipulación, afectando así su inocuidad y calidad. Estos factores pueden ser 
afectados debido a la contaminación por agentes microbiológicos durante el 
desarrollo de la cadena productiva, la falta de buenas prácticas sanitarias y la 
exposición a nuevos factores ambientales, generando un ambiente propicio para la 
proliferación de microorganismos en la superficie donde se encuentran nutrientes 
que facilitan su crecimiento, generando afectaciones en la salud pública (Blanco-
Ríos1, Casadiego-Ardila2, & Pacheco2, n.d.). 
 
Según la Organización Mundial de la Salud (OMS) actualmente se registran más de 
250 tipos de enfermedades de transmisión alimentaria (ETAS), las cuales 
han presentado un crecimiento significativo durante los últimos años fomentando 
una problemática para el sistema de salud en el país (Muñoz, Vargas, Otero, Díaz, 
& Guzmán, 2011). Como ejemplo de un caso particular reciente de 
alimentos contaminados con L.monocytogenes, en España el ministerio de 
sanidad, consumo y bienestar social junto con la agencia española de seguridad 
alimentaria (AESAN) activaron una alerta alimentaria el 16 de agosto del presente 
año en Andalucía debido a la presencia de un brote de intoxicación por cárnicos 
contaminados por L.monocytogenes en carne mechada de la marca La Mecha 
(Blanco, Ríos,Casadiego Ardila, & Pacheco, 2011)(“Ministerio de Sanidad, 
Consumo y Bienestar Social - Gabinete de Prensa - Notas de Prensa,” n.d.). 
 
 Según un informe dado por la organización mundial de la salud (OMS), anualmente 
se registra en el sistema de salud aproximadamente 600 millones de personas en 
el mundo con cuadros infecciosos asociados a la ingesta de alimentos 
contaminados por bacterias, virus y parásitos, en donde se estima que uno de cada 
10 personas son afectadas por consumir alimentos en un estado de deterioro medio 
(Cecilia & Blanco, n.d.). El cual puede llegar a ese estado por la variación de las 
condiciones del medio que facilitan la proliferación de diferentes microorganismos 
pudiendo generar contaminación cruzada del producto (Instituto Nacional de Salud 
Subdirección de Investigación, n.d.-b). En la actualidad la identificación de 
diferentes microorganismos patógenos en los alimentos antes del proceso de 
empaque se realiza mediante análisis microbiológicos, que consisten en el 
aislamiento del patógeno en un medio de crecimiento selectivo, lo que resulta en un 
método costoso y que consume un tiempo considerable. Métodos de identificación 
como PCR se han implementado para la estandarización y validación de la 
presencia del patógenos, sin embargo, resulta ser un procedimiento de alto costo 
que dificulta la identificación rápida del microorganismo en este caso en un lote de 
carne listo para distribución al consumidor (Salud Rubio Lozano et al., 2013). 
 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
22 
 
La presencia y reproducción de agentes microbianos producen diferentes 
compuestos orgánicos volátiles (COVs) que pueden determinar el estado del 
producto (Gu, Sun, Tu, Dong, & Pan, 2016). Este proyecto de grado pretende 
contribuir con la solución del problema de verificación rápida de la calidad de los 
alimentos frente a la predicción de la presencia de patógenos en alimentos al 
desarrollar un prototipo y así contribuir desde la integración de las ciencias 
biológicas y la ingeniería con la seguridad alimentaria, que es uno de los focos 
misionales del programa de Bioingeniería. Frente a la propuesta de solución 
establecida se realizó una encuesta a personas del sector e inspectores del INVIMA, 
donde se les preguntaba específicamente si sería de interés para el sector un 
equipo que pudiera indicar la evaluación de la calidad de los alimentos. Los 
encuestados afirmaron que las pruebas tradicionales demoran más de 72 horas, por 
lo que este prototipo inicial desarrollado en un proyecto de grado se establece como 
tiempo máximo para la obtención de resultados en 72 horas (ANEXO 1). 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
3. OBJETIVO GENERAL Y OBJETIVOS ESPECÍFICOS 
 
 
OBJETIVO GENERAL: 
 
➢ Desarrollar un prototipo para la detección de diferentes grupos funcionales 
de compuestos orgánicos volátiles asociados al deterioro alimentario. 
 
OBJETIVOS ESPECÍFICOS: 
 
1. Diseñar un prototipo para la detección de diferentes grupos funcionales de 
compuestos orgánicos volátiles asociados al deterioro alimentario. 
 
2. Construir un prototipo que permita registrar gases relacionados con grupos 
funcionales de los compuestos orgánicos volátiles, implementando un control 
de temperatura y monitoreo de la humedad. 
 
3. Implementar una interfaz en LABVIEW® de análisis de datos que permita 
relacionar los compuestos orgánicos volátiles con la presencia de 
microorganismos asociados al deterioro alimentario. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
24 
 
4. ESTADO DEL ARTE 
En los últimos años se han desarrollado equipos y métodos orientados a la 
detección de patógenos infecciosos en los alimentos, con el fin de garantizar y 
preservar la inocuidad de los alimentos y en beneficio en de la salud pública, 
evitando la generación de enfermedades de transmisión alimentaria que puedan 
desencadenar otras patologías asociadas, afectando la calidad de vida de los seres 
humanos por ejemplo; Abdallah, S. et al., 2013, presentan un equipo de detección 
rápida y a bajo costo que mide las concentraciones de los compuestos volátiles 
generados en los procesos enzimáticos, a través de la implementación de un 
Cyrasone 320, el cual está compuesto por 24 sensores quimio resistivos 
específicos para compuestos orgánicos volátiles generados en el medio. Se evaluó 
la eficacia del equipo por medio de la inoculación en diferentes proporciones de 
matrices cárnicas a distintas concentraciones por un periodo de 5 días, dando como 
resultado del estudio la cuantificación de la proporción detectada de los compuestos 
orgánicos volátiles durante el periodo de tiempo en cada una de las muestras 
analizadas para, finalmente, realizar una correlación positiva entre los resultados en 
placa, en relación con los obtenidos en las matrices alimentarias (Abdallah, Al-
Shatti, Alhajraf, Al-Hammad, & Al-Awadi, 2013). 
 
En el estudio realizado por Chen Zhang et al., 2016, se analizó la generación de 
compuestos volátiles de cinco especies bacterianas presentes en diferentes 
matrices alimentarias, identificando la presencia de E. coli O157:H7, L. 
monocytogenes, S. enteritidis, Shigella flexneri y S. aureus, por medio de la 
implementación de técnicas como cromatografía de gases y espectrometría de 
masas, demostrando que la mayoría de los compuestos orgánicos volátiles 
generados por E. coli o157:H7 y L. monocytogenes pertenecen a la cadena de 3-
hidroxi-2-butanona, se analizó también la producción del biomarcador en relación 
con la incidencia del crecimiento microbiano, eso con el fin, de poder identificar 
diferentes patógenos transmitidos por alimentos siendo un aporte a la investigación, 
sobre contaminación en matrices alimentarias por agentes patógenos que generan 
compuestos orgánicos volátiles en el proceso de deterioro del alimento (De La, 
Salcido, Eleazar, & Corona, 2010; Zhu et al., 2017). 
 
En el artículo realizado en el 2015 Casaburi et al., se analiza el deterioro de matrices 
cárnicas debido al desarrollo desmesurado de colonias de microorganismos 
patógenos, los cuales liberan una cantidad considerable de metabolitos no 
deseados generando malos olores en los productos,se identifican alcoholes, 
fenoles, cetonas y ésteres etc. Por otro lado se analizan los sustratos presentes en 
la carne como la glucosa y otros derivados que generan un deterioro muscular 
(Casaburi, Piombino, Nychas, Villani, & Ercolini, 2015). 
 
 
 
 
 
 En 2016 Spadafora et al., estudiaron la presencia de agentes microbianos en 
muestras de productos recién cortados, principalmente, en matrices de melón, 
analizando la incidencia de los agentes biológicos en la emisión de compuestos 
orgánicos volátiles generados por la alteración de la composición química en la 
matriz alimentaria, se validó la presencia de patógenos por medio de cromatografía 
de desorción térmica y espectrometría de masas de tiempo de vuelo, analizando 
los perfiles de los compuestos volátiles generados en muestras inoculadas con el 
patógeno, asociados a deterioro de la fruta en un periodo de incubación de 7 días 
a 4°C (Spadafora et al., 2016). 
 
El estudio realizado por Wijaya y sarno et al., en el año 2018 consistió en el 
desarrollo de un arreglo de sensores de gas de tipo (CMOS) para la evaluación 
rápida de la calidad de la carne de ganado vacuno durante un periodo de tiempo 
determinado en condiciones ambientales no controladas. La experimentación 
consistió en realizar pruebas en cinco cortes de carne por un periodo de tiempo de 
2160 minutos, evaluando los cambios en la resistencia de los sensores con respecto 
al crecimiento microbiano, como así mismo la influencia de no controlar la 
temperatura y la humedad durante el periodo de evaluación dentro de la cámara 
diseñada, los datos registrados fueron enviados vía inalámbrica generando ruido en 
las señales adquiridas durante la evaluación. Adicionalmente, simultáneamente, a 
la experimentación se realizaron pruebas microbiológicas por recuento de placa del 
crecimiento poblacional de la carga microbiana en el periodo de tiempo, para 
finalmente, establecer clases de calidad del alimento con base en valor de recuento 
microbiológico, los resultados de esta investigación se utilizaron como base de 
datos para el desarrollo del modelo de predicción y clasificador de condiciones de 
calidad de alimentos en el presente proyecto. Esta investigación demuestra la 
relación directa de la sensibilidad de los componentes en relación con el crecimiento 
poblacional de microorganismos en matrices alimentarias (Wijaya, Sarno, & Zulaika, 
2018). 
 
Durante el primer periodo del 2019; los autores Johnson y Atkin et al, 
implementan una E-nose por medio de la variedad de sensores que miden la 
voltamperometría y conductimetría de señales biológicas, haciendo que sea 
eficiente y a bajo costo para la detección de bacterias patógenas presentes en los 
alimentos. Esta investigación muestra la relevancia y el interés actual que existe en 
el desarrollo de métodos alternativos para la detección de patógenos en alimentos 
(Johnson, Atkin, Lee, Sell, & Chandra, 2019). 
 
Por otro lado la implementación de modelos Machine Learning de tipo teórico para 
analizar el comportamiento de un fenómeno de crecimiento microbiológico, se 
encontró el estudio realizado por Martínez, Dalgaard et al., en donde se realizó la 
aplicación de modelos de predicción microbiológica para determinar el 
comportamiento y la velocidad de crecimiento microbiano en diferentes tipos de 
quesos, a distintas etapas de maduración, como así, mismo se analizó la influencia 
en la inhibición del crecimiento microbiano por la presencia de las bacterias ácido 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
26 
 
lácticas y la incidencia de factores ambientales como el pH y la actividad de agua 
(Aw),fomentando un ambiente propicio para la colonización de otros 
microorganismos en la periferia y núcleo de las diferentes muestras analizadas. Los 
modelos predictivos de crecimiento son herramientas que ayudan a identificar los 
puntos críticos y peligros en el control de matrices alimentarias (Martinez-Rios, 
Gkogka, & Dalgaard, 2020). 
 
En el estudio realizado por polese et al. se incorporó un enfoque de modelización 
simplificada (SMA) frente al procesamiento de salami artesanal en lo que se refiere 
a fermentación seca, en condiciones de temperatura y humedad no controladas 
durante la producción y su almacenamiento, observando cómo se alteran los 
factores como el pH, actividad de agua propia del alimento, la presencia de ácido 
láctico y la inhibición de la velocidad de crecimiento microbiano frente a la presencia 
de bacterias ácido lácticas generan una afectación en la calidad del alimento. Se 
evaluó el impacto de cada factor bajo condiciones dinámicas medidas en 5 lotes de 
salami, con un recuento inicial de la densidad poblacional. Los cambios 
desmesurados por la sobrepoblación de las bacterias ácido lácticas, se presentan 
como un factor influyente en el crecimiento microbiano dependiente del tiempo. La 
implementación de un modelo predictivo de crecimiento se incluyó con el fin de 
simular éste y la cuantificación de la contribución fraccionada de la inhibición de 
ácido láctico y evaluar por medio de parámetros establecidos, en la literatura, la 
probabilidad de crecimiento en los lotes evaluados. Finalmente, se realizó la 
caracterización del salami con base en 2 modelos de predicción, los cuales fueron 
modelo de crecimiento/ no crecimiento, modelo de cinética lineal de tres fases en 
condiciones sub optimas de crecimiento, observando comó el crecimiento de ambas 
poblaciones en un punto de su crecimiento inhiben, mutuamente, su densidad 
poblacional (Polese, Del Torre, & Stecchini, 2017). 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
5. MARCO REFERENCIAL 
5.1. Seguridad e Inocuidad Alimentaria 
Según la Organización de las Naciones Unidas para la Agricultura y la Alimentación 
(FAO) la seguridad alimentaria se define como el acceso económico y físico de la 
producción y disponibilidad de alimentos a nivel mundial, como principal derecho de 
todos los seres humanos al acceso de alimentos seguros, nutritivos e inocuos con 
el objetivo de garantizar la calidad de vida y alimentación adecuada (Organización 
de las Naciones Unidas para la Alimentación y la Agricultura, n.d.). 
La falta de inocuidad alimentaria actualmente es considerada según la FAO como 
la deficiencia o ausencia de condiciones seguras de los alimentos para el consumo 
humano, acarreando peligros en la salud de los consumidores, siendo estos de tipo 
químico, físico y microbiológico la cual debe regirse por el cumplimiento de la norma 
y deberes establecidos en cada país. Por este motivo la inocuidad alimentaria 
garantiza productos seguros en toda su cadena productiva desde su origen hasta la 
preparación y posterior empleo para consumo (Organización de las Naciones 
Unidas para la Alimentación y la Agricultura, n.d.). La contaminación en los 
alimentos se puede dar durante cualquiera de las etapas que conforman el proceso 
de producción hasta la etapa final de consumo, por lo cual, la inocuidad del alimento 
puede estar en riesgo debido a la falta de desinfección y limpieza en cada etapa 
(Møretrø & Langsrud, 2017). 
 
5.2. Agentes y enfermedades de transmisión alimentaria 
Las enfermedades de transmisión alimentaria se presentan debido al consumo de 
alimentos contaminados o en mal estado que contienen una carga microbiológica 
considerable generando afectaciones en la salud de las personas, las ETAS pueden 
clasificarse, según el tipo de contaminación que presente el alimento, ya sea por 
presencia de microorganismos, e, intoxicaciones por presencia de toxinas en la 
matriz alimentaria (Guerrero, 2016). 
 
Diferentes bacterias Gram negativas como Pseudomonas spp y S.enteritidis y 
bacterias Gram positivas como L. monocytogenes y S. aureus pueden ser 
adquiridas por el alimento de diferentes formas; como durante el desarrollo de la 
cadena productiva del mismo, principalmente en las superficies que se encuentranen contacto con la matriz alimentaria. Éstas llegan a ser bacterias residenciales 
debido a la falta o deficiencia de los protocolos de higienización de las plantas 
productivas, se caracterizan por generar a bajas temperaturas biopelículas y bajo 
crecimiento celular, lo cual, fomenta un proceso de contaminación cruzada en los 
productos finales listos para el consumo humano, generando afectaciones en la 
calidad e inocuidad de los alimentos (Møretrø & Langsrud, 2017). 
 
 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
28 
 
5.3. L. monocytogenes 
L. monocytogenes es un bacilo Gram positivo, crece a temperaturas óptimas de 
30°C a 37°C, capaz de soportar altas y bajas temperaturas, con un desarrollo óptimo 
en pH de 4,4 a 9,6 y sus afecciones pueden variar según el tipo de cepa. La ingesta 
de alimentos contaminados, por este agente, puede generar síntomas de 
gastroenteritis, diarrea, cefalea, fiebre y depresión del sistema inmunológico según 
su periodo de incubación (Muñoz et al., 2011). 
La ingesta de alimentos con presencia de L. monocytogenes genera una 
enfermedad denominada listeriosis. En la mayoría de los casos clínicos, los 
pacientes que la padecen pueden llegar a presentar meningitis, envenenamiento en 
la sangre junto con cuadros clínicos de gastroenteritis. Los alimentos, 
principalmente, asociados con contaminación microbiológica de L. monocytogenes 
 son; frutas, carne, productos derivados cárnicos, lácteos, hortalizas y pescados 
(Tait et al., 2014). 
 
En la ilustración N°2, se evidencia el crecimiento del microorganismo en medio de 
cultivo PALCAM, característico para el aislamiento y la diferenciación en muestras 
alimentarias altamente contaminadas (“Palcam Agar (Medio base) | Bioser,” n.d.). 
 
 
Ilustración 2 Crecimiento de L. monocytogenes en agar PALCAM. 
 
5.3.1. Patogenicidad 
La listeriosis se define como una infección causada por el patógeno L. 
monocytogenes de tipo virulenta, la cual afecta, principalmente, personas con 
deficiencias en el sistema inmunológico, personas de la tercera edad, mujeres 
embarazadas y niños. El tipo de afectación puede llegar a ser tanto invasivo como 
no invasivo, según el modo de transmisión que presente el paciente y la 
concentración de unidades formadoras de colonias presentes en la matriz 
alimentaria. El cuadro clínico puede incluir: infección invasiva a nivel intestinal y 
sanguíneo, meningitis, gastroenteritis, enfermedades en el sistema nervioso, 
vómito, diarrea y fatiga muscular. Su grado de severidad depende del periodo de 
incubación de la enfermedad por lo que su tasa de mortalidad oscila entre un rango 
del 10% a un 80% (Instituto Nacional de Salud Subdirección de Investigación, n.d.-
a). 
 
 
5.3.2. Estadísticas 
Durante el transcurso de los años de 2009 a 2015, se detectó la prevalencia de un 
brote de agentes patógenos infecciosos en varias empresas dedicadas a la 
producción de derivados lácteos por parte del INVIMA, la cual por medio de 
inspección periódica determinó que un 30,9% de empresas dedicadas a la 
fabricación de derivados lácteos presentan brotes del patógeno en sus instalaciones 
y productos, debido a malas condiciones de infraestructura, protocolos de 
saneamiento y malas prácticas de manufactura(Invima, n.d.-a). De 2012 a 2015, el 
INVIMA registró un estudio de la presencia de agentes patógenos en muestras de 
derivados lácteos y cárnicos; como así mismo, la presencia de E. coli 0157:H7 en 
muestras fecales y en manos de operarios de alimentos en 5 departamentos de 
Colombia. Los resultados mostraron un incremento del 25% de afectación en 
productos cárnicos y derivados lácteos, un 19,2% en equipos e infraestructura de 
fábricas y un 29,9% en muestras de operarios y materia fecal (Invima, n.d.-b). 
En Europa se registraron, aproximadamente, 2.536 casos notificados durante el 
transcurso del periodo de 2016, de los cuales 1.524 casos corresponden a 
casos mortales por parte de las enfermedades asociadas al consumo de alimentos 
en estado de deterioro. Durante el periodo de 2008 a 2016 se registraron 260 
muertes notificadas en Estados unidos por parte del centro para el control y 
prevención de enfermedades (Heir, Møretrø, Simensen, & Langsrud, 2018). Por otro 
lado, en el 2008 se notificó en Italia por parte de las entes regulatorias la detección 
de L. monocytogenes en salmón ahumado listo para consumo, el cual no requiere 
ningún proceso de cocción presentando un riesgo biológico según los criterios 
microbiológicos establecidos en el reglamento CEN°2073/2005 para alimentos con 
presencia de S.enteritidis, E. coli y L. monocytogenes (Jansen, Grabowski, Gerulat, 
& Klein, 2016). 
5.4. Deterioro Alimentario 
Se establece como deterioro alimentario el cambio en las propiedades físicas y 
químicas de un alimento, originando cambios en la textura, propiedades 
organolépticas y generación de compuestos orgánicos volátiles. El deterioro puede 
presentarse, principalmente, por fallas en el sistema de procesamiento o la 
colonización de microorganismos, los cuales según el alimento y factores como el 
alto contenido de agua proporcionan las condiciones adecuadas para el crecimiento 
microbiano. En matrices cárnicas un indicador de colonización de microorganismos 
se da por la degradación de lipasas, proteasas, carbohidrasas principalmente, la 
degradación de moléculas de glucosa y la producción de compuestos como el 
acetato, la acetoína, el ácido acético y el ácido isobutírico, al igual que el crecimiento 
de bacterias ácido lácticas producto de la fermentación, responsables del sabor 
amargo en el alimento (Odeyemi et al., 2020). 
 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
30 
 
5.5. Contaminación en alimentos listos para el consumo humano 
La carne bovina se encuentra compuesta por proteínas en un 74,4%, humedad en 
21,8% y grasas en 3,3%, los cuales constituyen en conjunto un alto nivel nutricional 
y un vehículo para las enfermedades trasmisor de enfermedades de transmisión 
alimentaria por presencia de microorganismos en los seres humanos, la 
proliferación bacteriana puede darse por fallas durante las etapas: producción, 
procesamiento, manipulación, conservación, transporte y comercialización, que 
conforman la cadena productiva cárnica (Casaburi et al., 2015)(Wang et al., 2016). 
 
5.6. Generación de compuestos orgánicos volátiles generados por 
organismos patógenos 
La generación de compuestos volátiles en matrices alimentarias, especialmente en 
cárnicos, se genera principalmente por contaminación microbiana de diferentes 
patógenos como hongos, bacterias y mohos, generados en su proceso de 
crecimiento y desarrollo metabólico como consecuencia de la falta de calidad 
sanitaria en los alimentos. La presencia de algunos microorganismos como 
S.enteritidis, L. monocytogenes, E. coli y Pseudomonas spp, originan compuestos 
orgánicos como hidrocarburos, cetonas, nitrógeno, alcoholes, aldehídos y demás 
compuestos que ocasionan malos olores, los cuales se ven limitados a las 
condiciones de crecimiento y factores externos como temperatura, humedad, valor 
nutritivo y calidad físico química en el alimento (Wang et al., 2016). La generación 
de COVs se debe a la descomposición de proteínas, carbohidratos y demás 
nutrientes en la matriz alimentaria por parte del microorganismo durante su 
crecimiento y las vías metabólicas primarias y secundarias (Wang et al., 2016). Las 
rutas metabólicas características de los microorganismos, pueden dar paso a la 
generación de diferentes compuestos orgánicos volátiles. Por ejemplo, dentro de 
las rutas más relevantes se encuentra la presentada en la ilustración 3, en donde 
se evidencia, que, por medio del rompimiento de los enlaces proteicos, se genera 
moléculas de glucosa. Ésta a su vez, por medio de la glucólisis genera piruvatoel 
cual, en presencia de dióxido de carbono, la enzima Acetoacetato sintasa y el gen 
alsS, genera Aceto lactato, seguido de la liberación de dióxido de carbono y en 
presencia de la enzima de Aceto lactato deshidrogenasa en presencia del gen alsD, 
finalmente, se genera 3-hidroxi-2-butanona y otros compuestos orgánicos como 
etanol y acetatos en el metabolismo secundario propios del crecimiento microbiano 
(“Metabolic pathway map indicating the steps of end product formation by... | 
Download Scientific Diagram,” n.d.). 
 
 
 
 
Ilustración 3 Principales vías metabólicas primarias y secundarias. 
5.7. Grupos funcionales asociados al deterioro del alimento 
Durante el periodo de deterioro que pueden presentar los alimentos por cambios en 
las condiciones ambientales externas del medio, está la generación de compuestos 
orgánicos volátiles como putrescina, cadaverina, histamina, dimetilamina, 
trimetilamina compuestos por los grupos funcionales aminas y amoniaco. La 
presencia de olores a amoniaco es característico de putrefacción, de los alimentos 
los cuales se deben a la presencia de grandes cantidades de aminas y amoniaco 
en la matriz alimentaria (Dainty, 1982)(Atiya Ali et al., 2014). 
5.8. Métodos de medición de COVs en muestras alimentarias 
La presencia de microorganismos en alimentos y derivados cárnicos, lácteos, frutas 
y hortalizas puede llegar a generar metabolitos líquidos y gaseosos debido a su 
crecimiento microbiano al realizar las descomposición proteica, de carbohidratos y 
grasas presentes en el alimento (Balasubramanian et al., 2008). Actualmente, la 
cromatografía de gases (GC) y la espectroscopia de masas (MS) son 
implementadas en la detección de compuestos volátiles generados en los alimentos 
producto de la oxidación de lípidos presentes en los cárnicos(Shahidi, 2016). 
5.8.1. Sistemas electrónicos para la detección de compuestos 
orgánicos volátiles 
Actualmente, existen diferentes dispositivos electrónicos que proporcionan 
mediciones confiables en un corto tiempo en comparación con las pruebas y análisis 
microbiológicos. sin embargo, requieren de mucho tiempo y, si las técnicas no se 
realizan adecuadamente, pueden generar resultados erróneos y poco confiables, 
siendo los dispositivos electrónicos como es el caso de la nariz electrónica la cual 
permite detectar los diferentes gases generados en el alimento contaminado por 
bacterias y microorganismos que puedan llegar a generar una afectación en la salud 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
32 
 
pública de los consumidores. Actualmente, los sistemas de identificación de gases 
a nivel industrial han sido implementados en la industria alimentaria para la 
identificar microorganismos, determinando la calidad de algunos alimentos como: 
cárnicos, pescado, frutas, productos lácteos y pollo (Balasubramanian et al., 2004). 
La nariz electrónica más conocida para detectar compuestos orgánicos como el 
etanol y el ácido acético, principales indicadores de deterioro en alimentos, es la 
Cyranose 320, la cual está compuesta por un arreglo de sensores de gas que 
permiten detectar concentraciones, en proporciones de hasta 100 ppm de los 
compuestos que se estén emitiendo en una matriz alimentaria, gracias a que su 
técnica de identificación no es invasiva (Mohapatra, Panigrahi, & Amamcharla, 
2015). 
5.8.2. Sensores asociados a la identificación de grupos funcionales 
La medición de compuestos orgánicos volátiles es un área de interés en gran 
número de aplicaciones, desde mediciones de calidad de aire hasta en seguridad 
industrial. Estas medidas se pueden obtener usando sensores industriales, como 
los sensores de metal-óxido-Silicio. El principio para la identificación de compuestos 
orgánicos volátiles generados por microorganismos se basa en el análisis de la fase 
volátil de una sustancia generada por el agente patógeno. Los sensores MOS 
cuentan con un perfil de sensibilidad y selectividad lo cual permite detectar la 
incidencia de los compuestos orgánicos generados a bajas concentraciones en la 
periferia de los alimentos. Además son resistentes a la humedad generada en el 
medio (Green, Chan, Dan, & Lin, 2011). 
El autor El Barbri, Llobet, El Bari, Correig, & Bouchikh et al., diseñó una nariz 
electrónica usando los sensores: familia TGS 823, 825, 826,831, 832, 882, los 
cuales identifican grupos aminos, alcoholes, xileno, tolueno, clorofluorocarbonos y 
halocarbonos. El objetivo de este trabajo era determinar por medio de la 
implementación de una nariz electrónica la calidad de la carne empacada al vacío 
(Hssina et al., 2017). 
El autor Wijaya, Sarno, & Zulaika et al. Presenta un arreglo con los siguientes 
sensores de la familia MQ: 135, 136, 2, 3, 4, 5, 6, 8, 9. Estos sensores fueron usados 
para evaluar la calidad microbiana de los alimentos con base a la respuesta en la 
resistividad a la presencia de compuestos orgánicos volátiles generados en las 
matrices alimentarias (Wijaya, Sarno, & Zulaika, 2018). La ilustración 7 presenta el 
registro de los cambios estandarizados detectados en los sensores en función del 
tiempo durante el cual se generó un crecimiento microbiano. Estos demuestran que 
sí es posible detectar gases en las concentraciones generadas por 
microorganismos en alimentos, inclusive usando sensores de corte académico 
como los MQ, y que además se pueden correlacionar gases detectados con 
crecimiento bacteriano (Wijaya et al., 2018). 
 
 
 
Ilustración 4 Producción de grupos funcionales asociados a contaminación microbiana. 
5.8.3. Elementos electrónicos para medir COVs 
La integración de dispositivos electrónicos para la detección de compuestos 
orgánicos volátiles en alimentos, se presenta como un tema de estudio en la 
aplicación de sensores de tipo quimio resistivos compuestos por elementos 
metálicos semiconductores como SnO2, TiO2, que permiten la modificación de su 
resistividad interna eléctrica conforme a su principio de funcionamiento en la 
adsorción de oxígeno dentro de la banda de energía, originando la impregnación de 
electrones en la banda de conducción, generando un diferencial de deserción y un 
potencial electrostático en la superficie el elemento, generando una disminución en 
la altura de la barrera de potencial y por ende la reducción proporcional de la 
resistividad como respuesta a la presencia de gases en el medio (L.Castañeda-
Aviña, n.d.). 
 
 
 
 
Cetonas - 
Alcoholes 
 
Amonio -
Benceno 
 
Cetonas – Alcoholes- 
Ácidos Orgánicos- Aminas 
 
I-Butano Iso-
Butano 
 
Fabricante 
IDT 
Sensors 
Fígaro Zheng Applied 
sensor 
Alphasense Zheng Zheng 
 
Referencia 
Sensor 
SGAS 
707 
TGS 
822 
MQ135 IAQ-100 PID-AH2 MQ3 MQ6 
Rango de 
detección 
(ppm) 
1-100 50 – 
5000 
10-100 450-2000 1-100 300-
10000 
10-
10000 
Potencia 
(mW) 
400 660 800 ---------- 550 900 750 
Ana María González Bonilla 
Proyecto de Grado- Programa de Bioingeniería 
 | 
34 
 
 
Tabla 1 sensores específicos para la detección de grupos funcionales 
A continuación, se presenta en la Tabla 2 algunos sensores utilizados en la industria 
para la identificación de compuestos orgánicos volátiles por grupos funcionales, 
junto con la sección de anexos en donde se encontrará el datasheet de los sensores 
mencionados. Estos sensores tienen potencial para ser usados en una nariz 
electrónica que busque identificar grupos funcionales de COVs relacionados con 
actividad metabólica de microorganismos patógenos (“Sensor de Alcohol MQ3,” 
n.d.; “Sensor de gas propano - MQ-5 con board - Electronilab,” n.d.; “SGAS707 - 
Industrial Organic Chemical Sensor | Renesas,” n.d.). 
 
5.8.4. Sensores electrónicos quimio resistivos y sensores de 
condiciones ambientales 
 El sensor SGAS707 se caracteriza por ser un sensor de tipo quimio resistencia de 
estados sólido, detecta compuestos orgánicos