Spectrophotometers are instruments that measure parameters of a sample as a function of wavelength and are composed of a source of broad spectrum light, a monochromator, a deposit for samples and a detector. These instruments are widely used in chemistry, physics materials and medicine labs among others. The design of a spectrophotometer in the visible range of the electromagnetic spectrum is presented is this thesis and is composed of a with LED white, a holographic grating and the camera of a mobile device as a detector; the spectrum generated by placing a liquid sample in the spectrophotometer designed is analyzed by a neural network. Neural networks are a very important field in artificial intelligence, and are inspired by the known behavior of the human brain, mainly referring to the neurons and their connections, try to create artificial models that solve difficult problems, such as problems stability dynamical systems, pattern recognition, etc., using conventional algorithmic techniques. In this thesis a neural network was implemented to analyze the spectrum of a liquid sample and an efficiency of 80% was obtained for sample identification.
Los espectrofotóometros son instrumentos que miden parámetros de una muestra como función de la longitud de onda y están integrados por una fuente de luz de amplio espectro, un monocromador, un depósito para muestras y un detector. Estos instrumentos son de amplio uso en laboratorios de química, física de materiales y medicina entre otros. En esta tesis se presenta el diseño de un espectrofotómetro en el rango visible del espectro electromagnético y está compuesto por un LED de luz blanca, una rejilla holográfica y la cámara de un dispositivo m ovil como detector; el espectro que se genera al colocar una muestra líquida en el espectrofotómetro diseñado es analizado mediante una red neuronal. Las redes neuronales son un campo muy importante dentro de la inteligencia artificial y se inspiran en el comportamiento conocido del cerebro humano, principalmente el referido a las neuronas y sus conexiones, trata de crear modelos artificiales que solucionen problemas difíciles de resolver, tales como problemas de estabilidad en sistemas dinámicos, reconocimiento de patrones, etc., mediante técnicas algorítmicas convencionales. En esta tesis se implementó una red neuronal para analizar el espectro de una muestra y se obtuvo una eficiencia superior al 80% para la identificación de la muestra.
