Sensores de bajo coste para detectar gases contaminantes: avances, desafíos y soluciones que integran la inteligencia artificial

Los efectos del benceno, el tolueno y el formaldehído en la salud están bien documentados. El benceno, por ejemplo, está clasificado como cancerígeno por la OMS y su exposición crónica puede afectar la médula ósea y aumentar el riesgo de leucemia. El tolueno puede provocar daños neurológicos si se inhala en grandes cantidades, y el formaldehído se ha relacionado con irritaciones respiratorias, además de estar también considerado como potencialmente cancerígeno. Identificar estos compuestos a tiempo va más allá del bienestar ambiental; es una medida clave en la prevención de riesgos para la salud pública.

De hecho, la detección y cuantificación de bajas concentraciones de COV en aplicaciones de medición, tanto en continuo como en tiempo real, son aún un importante reto tecnológico. Las técnicas de laboratorio que se usan tradicionalmente como la cromatografía de gases o la espectrometría de masa son muy precisas, pero también caras, lentas y poco prácticas para un uso cotidiano o medidas in situ. Por eso, desde hace un tiempo, muchos investigadores y desarrolladores han enfocado sus esfuerzos en la búsqueda de soluciones más accesibles, que pasan por el desarrollo de sensores de bajo coste que puedan detectar estos gases de manera continua, sin necesidad de equipos complejos ni la intervención de técnicos con conocimiento específico para el muestreo y análisis de esos compuestos.

Por otro lado, los sensores electroquímicos se basan en una reacción química controlada en una celda que genera una corriente eléctrica proporcional a la concentración del gas con el que reaccionan. Estos sensores suelen ser más precisos y específicos que los MOX, pero tienen una vida útil limitada y son más costosos. En general, tanto un tipo como el otro presentan desafíos cuando se busca medir gases muy específicos en concentraciones bajas, como ocurre con los ya mencionados benceno, tolueno o formaldehído.

Nanoestructuras empleadas para la fabricación de sensores químico-resistivos. Fuente: Itene.

Ante estas limitaciones, una estrategia que ha ganado protagonismo y se ha revelado especialmente útil es el uso de varios sensores de manera concurrente, formando lo que se conoce como un arreglo de sensores o nariz electrónica. La idea es que, aunque cada sensor no sea perfecto por sí solo, al combinar varios se puede obtener una especie de 'huella digital' de los gases presentes. Cada gas provoca una respuesta distinta en cada sensor, generando un conjunto de patrones que, de forma ideal, permiten identificar o atribuir características únicas a cada gas.

Y es aquí donde entra en juego la inteligencia artificial. Si tenemos un conjunto de sensores generando datos constantemente, podemos usar algoritmos de machine learning para analizarlos. Estos algoritmos se entrenan con datos reales, sometiendo al arreglo de sensores a concentraciones conocidas de los gases objetivo, con condiciones de humedad y temperatura controladas. La repetición de estas fases de entrenamiento, realizando variaciones en la concentración de los gases, la temperatura y la humedad, permiten la obtención de un conjunto de patrones característicos de cada condición. Así, los algoritmos aprenden a reconocer los patrones que luego permiten identificar y estimar concentraciones, incluso en situaciones nuevas. Por ejemplo, un modelo de regresión lineal múltiple puede correlacionar las señales de los sensores con la concentración de benceno en el aire, mientras que otros modelos más avanzados, como redes neuronales o árboles de decisión, pueden manejar patrones más complejos y no lineales.

Además, este enfoque tiene otra ventaja: se puede ajustar a distintos entornos y permite la inclusión de todas las variables que puedan introducir modificaciones en el sistema. Por ejemplo, si usamos sensores que no son muy estables a largo plazo, o que su línea base tenga una deriva, podemos reentrenar el sistema con nuevos datos y seguir mejorando su precisión, o incluir el tiempo como variable de los algoritmos de calibración.

En este sentido, desde el centro tecnológico Itene se trabaja en el proyecto Respira, financiado por el Instituto Valenciano de Competitividad Empresarial (IVACE+i) con fondos FEDER. Una parte de los desarrollos de este proyecto se enfoca en el diseño y la fabricación de una plataforma de sensores destinada a medir la concentración total de compuestos orgánicos volátiles (COV) e identificar compuestos específicos. Así, se ha desarrollado una placa electrónica que integra hasta cinco sensores químico-resistivos, incluyendo sensores comerciales y otros desarrollados en el marco del proyecto, basados en nanoestructuras de óxidos metálicos. Para garantizar su correcto funcionamiento, incorpora varios componentes clave: un sistema electrónico que regula la temperatura de operación de los sensores nanoestructurados mediante un controlador PID; un sensor de humedad y temperatura que permite calibrar el sistema y calcular la concentración de gases; un microcontrolador encargado de ejecutar las distintas rutinas de funcionamiento; y un módulo de transmisión inalámbrica para la comunicación y envío de los datos a un servidor remoto. De esta forma, el dispositivo permite la adquisición simultánea y en tiempo real de la señal de los cinco sensores integrados, relativa a la interacción de estos con las moléculas de los gases presentes en el ambiente analizado. Posteriormente, los datos adquiridos se envían a un servidor remoto en el que son procesados, aplicando los algoritmos de machine learning que, a partir de la señal de los sensores, permite el cálculo de la concentración total de COV y la identificación de compuestos específicos.

Este tipo de soluciones ya se está probando en distintos escenarios. En ambientes urbanos, pueden servir para montar redes de bajo coste para la monitorización de la calidad del aire, que complementen a las estaciones oficiales. En ambientes interiores, permiten saber si nos encontramos en situaciones estables que no afecten los índices de la calidad del aire. Por último, en ambientes industriales, permiten la detección de fugas o prevenir exposiciones prolongadas a compuestos que pueden ser perjudiciales para la salud.

Como hemos visto, la mejora en la monitorización de la calidad del aire y la apuesta por soluciones innovadoras y accesibles implica avanzar hacia entornos más seguros, sostenibles e inteligentes. Iniciativas como el proyecto Respira abren nuevas posibilidades para transformar la manera en que entendemos y gestionamos el aire que respiramos.