Identificación de especies a través del análisis de la composición ósea mediante espectroscopía LIBS

Abstract

La finalidad de este Trabajo de Fin de Grado es evaluar el rendimiento de diferentes modelos, basados en machine learning, para la clasificación de muestras óseas en las diferentes especies, en función de los espectros obtenidos de ellas, utilizando para ello la técnica de espectroscopía de plasma inducido por láser (LIBS). Los espectros mencionados, son específicos para cada especie, ya que dependen de los elementos contenidos en cada muestra. Para ello se ha utilizado la herramienta Matlab tanto para guardar y tratar los datos, como para la evaluación y selección del modelo. A través de los datos obtenidos de muestras óseas de cabra, cordero y ciervo (venado) se ha comparado el rendimiento de los diferentes modelos evaluados a la hora de realizar una clasificación correcta de las muestras en base a sus espectros.

The purpose of this project is to assess the efficiency of different prototypes, based on a machine learning algorithm capable of classifying bone sample spectra from different species based on their elemental composition, thanks to Laser-Induced Breakdown Spectroscopy (LIBS), a technique that captures the unique spectral fingerprint of each sample. Since the elemental makeup of a bone sample is species-specific, the resulting spectra serve as reliable identifiers. MATLAB was used as the primary analytical tool—not only for data storage and preprocessing, but also for building the classification prototype Through the data obtained from goat, lamb, and deer bone samples, the performance of the different models was compared in terms of their ability to correctly classify the samples based on their spectra.