El sistema de comunicación utilizado en este estudio está compuesto por varios componentes, presentados en la Figura 1.

Figura 1

El PC (1) controla el generador de ondas, conectado vía USB (2) a través de la interfaz gráfica desarrollada en Python, utilizando PyVisa para ajustar los parámetros de la frecuencia y voltaje. La señal generada se amplifica con el amplificador de potencia (3), antes de ser transmitida por el transductor ultrasónico (6), diseñado bajo los principios de la teoría de Langevin. La corriente que fluye a través del transductor es medida por la sonda de corriente (5) y los datos de voltaje son medidos después de amplificar (4). Esta información es retroalimentada a la PC mediante la tarjeta de adquisición vía PCI-e en sus canales análogos para su posterior procesamiento y análisis.

El PC se encuentra equipado con una tarjeta de adquisición Advantech PCIE-1840L, que cuenta con cuatro canales de entrada analógica con conversión analógica de 16 bit y una velocidad de muestreo de hasta 80 MS/s, permitiendo la captura de señales ultrasónicas. Para la generación de señales, se emplea un generador de funciones Tektronix 33220A capaz de producir señales senoidales, cuadradas y de forma de onda arbitraria, operando a frecuencias de hasta 20 MHz, utilizando técnicas de síntesis digital directa para asegurar la estabilidad de la señal. Esta señal es amplificada mediante un amplificador de potencia SKP MAX300x, que entrega una potencia de salida de hasta 300 W, asegurando su transmisión efectiva a través del transductor ultrasónico. El transductor ultrasónico, desarrollado conforme a la teoría de Langevin, convierte la señal eléctrica amplificada en ondas ultrasónicas mecánicas, necesarias para la realización del experimento. La corriente a través del transductor es monitoreada por una sonda de corriente Pintek PA-699, la cual tiene una sensibilidad de 10 mA/V y es capaz de medir corrientes de hasta 100 A pico.

El experimento se desarrolló utilizando Python 3.7 como el lenguaje de programación principal. Para la creación de la interfaz gráfica de usuario (GUI), se implementaron las bibliotecas Tkinter y Custom Tkinter, lo que permitió construir una interfaz interactiva y adaptada, facilitando la interacción del usuario con el software y el hardware involucrados en el experimento [24-25].

El control y la adquisición de datos del hardware se llevaron a cabo mediante DAQ Navi, una biblioteca utilizada para la configuración y lectura de las señales capturadas por la tarjeta de adquisición del sistema. La manipulación y control del generador de ondas se realizó utilizando PyVisa, una biblioteca que permite establecer los parámetros de voltaje y frecuencia necesarios para generar las señales ultrasónicas requeridas durante el experimento.

Para el procesamiento de señales, se utilizaron las bibliotecas NumPy y math, las cuales eran necesarias para realizar cálculos matemáticos y manipular matrices en el análisis de señales. Además, se empleó SciPy específicamente para el filtrado de señales sinusoidales.

El manejo de múltiples hilos de ejecución se gestionó mediante la biblioteca Threading, lo que permitió la realización concurrente de diferentes procesos, asegurando un control coordinado del sistema sin interrupciones. Para medir y gestionar el tiempo de ejecución de las diversas operaciones, se utilizó la biblioteca Time, la cual facilitó la sincronización de las tareas del experimento.

La visualización de los resultados se realizó con la biblioteca Matplotlib que proporcionó las herramientas necesarias para crear gráficos personalizados, facilitando la interpretación y presentación de los datos obtenidos. Además, se empleó Pandas para la organización y exportación de los datos generados durante el experimento en archivos CSV, permitiendo una gestión eficiente de estos.

Para la comunicación con la base de datos local, se implementó Mongoengine, una herramienta que facilita la gestión y manipulación de la base de datos, asegurando que los datos almacenados sean accesibles y estén organizados de manera eficiente.

El entorno de desarrollo se gestionó mediante Anaconda, específicamente Miniconda, una plataforma que facilita la creación y administración de entornos virtuales, garantizando que todas las dependencias y bibliotecas necesarias se instalen y ejecuten en un entorno controlado. Este enfoque asegura la reproducibilidad del experimento y facilita la instalación de paquetes adicionales, conforme lo requiera el desarrollo del proyecto.

Para el almacenamiento de los datos, se optó por utilizar MongoDB, una base de datos no relacional, debido a su capacidad para almacenar documentos de manera eficiente, acorde a los requerimientos del software utilizado. Se desarrolló una clase denominada "Experimento" para gestionar el almacenamiento de los datos de cada experimento. Esta clase incluyó los siguientes atributos: nombre (string), fluido (string), sensibilidad (float), pasos (int), frecuencia inicial (float), frecuencia final (float), voltaje (float), comentario (string), impedancia (list), frecuencia (list), desplazamiento de fase (list), repeticiones (int) y tiempo (list).

Además, se implementó una clase adicional denominada "Fluido" para registrar y organizar los datos de los fluidos que se reutilizarían en futuros experimentos, asegurando un manejo estructurado y ordenado de la información.

La Figura 2 presenta un diagrama de flujo del software para clarificar lo antes descrito, mostrando la interconexión entre los distintos módulos presentes y utilizados.

Figura 2

Para calcular la magnitud de la impedancia se utiliza la ley de Ohm como \z\ = V/I donde V _p es el valor peak de la señal de voltaje alterna medida a la frecuencia f, I es el valor peak de la señal de corriente alterna medida a la frecuencia f. La señal de voltaje es adquirida por el canal 1 de la tarjeta de adquisición y la corriente por el canal 2.

Para el cálculo de la fase, se realizó una correlación cruzada entre las señales de corriente (I(t)) y voltaje (V(t)) adquiridas durante el experimento. Esta es una técnica matemática que permite medir la similitud entre dos señales a medida que una se desplaza con respecto a la otra en el tiempo, y permitirá cuantificar el desfase entre ambas cantidades eléctricas.

La correlación cruzada se define matemáticamente como se muestra en la ecuación (1) [26]:

(1)

donde R _v (t) es la función de correlación cruzada que describe la similitud entre las señales de corriente y voltaje desplazadas en el tiempo por un valor t.

Para implementar esta operación en Python, se utilizó la función "numpy.correlate" de la biblioteca NumPy [27], que hace posible calcular la correlación cruzada entre dos señales discretas. El desfase Adp entre las señales se determinó identificando el valor de t que maximiza R _v (t), según la siguiente relación que se expresa en la ecuación (2):

(2)

donde T es el período de la señal y t _max . es el valor de t correspondiente al máximo de la función de correlación cruzada.

Los datos son adquiridos a frecuencia de muestreo f _S =10MHz, lo que se traduce en un tiempo de muestreo t _S =1/f _S = 1-10~ ⁷ s. Con el fin de homologar el cálculo de la correlación para las distintas frecuencias, se impone que se adquieren cinco ciclos acústicos en cada adquisición, independiente de la frecuencia. El largo (/) de la lista que contiene los datos adquiridos para cada frecuencia (f) de excitación, por lo que el tiempo total es T _total =5/f. Entonces, el número de datos queda como /=T _tota /t _S

Se toma el índice del valor más grande del array resultante en la correlación cruzada, , y se realiza lo expresado en las ecuaciones (3) y (4):

(3)

(4)

El resultado de "Phase Value" está en radianes, así que se debe convertir a grados.

Para suavizar las señales de baja amplitud o con una baja relación señal-ruido (SNR), se implementa un filtro Butterworth de orden , aplicado a la señal de corriente. Este tipo de filtro tiene una respuesta en frecuencia plana en la banda pasante, lo que produce una minimización en la distorsión de la señal resultante. La función de transferencia del filtro está dada por la ecuación (5) [28]:

(5)

donde s es la variable compleja de Laplace, œ_c es la frecuencia de corte, y n es el orden del filtro.

El diseño y la implementación del filtro se realizaron utilizando la biblioteca SciPy, específicamente el submódulo "signal", que proporciona funciones como "butter" para la creación del filtro y "lfilter" para la aplicación de este a las señales adquiridas [29].

El sistema biofísico utilizado para testear el desempeño del sistema creado corresponde al desplegamiento de la proteína Bovine Serum Albumin (BSA, Merck). Se utiliza una concentración constante de 250 mg/ml de BSA disuelta en agua Milli Q como experimento de control. Para el desplegamiento de la proteína se añade una concentración de 7 M de urea, un agente caotrópico que es capaz de romper los enlaces de la molécula, variando su radio hidrodinámico y, por consiguiente, su viscosidad [30].

Se deposita una gota de 500 de proteína mediante una micropipeta sobre la superficie libre del transductor con el fin de analizar la respuesta en frecuencia de este cuando está en presencia de la proteína en su conformación natural (control) o con urea mientras esta es desplegada. En la Figura 3, se presenta un esquema experimental mostrando el equipamiento utilizado.

Las mediciones fueron realizadas iniciando la excitación del transductor en 29.42 kHz, con una sensibilidad de 0.1 Hz. Se realizaron 1000 pasos hasta alcanzar una frecuencia final de 29.52 kHz.

La respuesta en frecuencia es obtenida inicialmente por un LCR, el cual es capaz de medir inductancia (L), capacitancia (C) y resistencia (R) de un componente electrónico, realizando una variación de la frecuencia de excitación. Luego, fue utilizada la misma configuración experimental con el sistema desarrollado en este trabajo. Ambos experimentos se realizaron en entornos idénticos, donde solo se modificó la metodología y equipamiento para obtener la respuesta en frecuencia del transductor.

Figura 3

El componente central del software es la interfaz gráfica denominada "Experimento continuo", la cual permite realizar el experimento de manera repetitiva, según el número de repeticiones establecido en el formulario (Figura 7).

Figura 7

La pantalla permite configurar parámetros del experimento como el nombre, fluido utilizado, sensibilidad, número de pasos, frecuencia inicial y final, voltaje y número de repeticiones. Los gráficos a la derecha están diseñados para mostrar la impedancia y el desfase de la señal en función de la frecuencia, proporcionando una visualización de los resultados experimentales.

Además de las repeticiones, el formulario incluye los campos, previamente mencionados en la clase "Experimento", para su almacenamiento en la base de datos MongoDB. El usuario puede seleccionar el fluido, creado antes en otra pantalla con los atributos "nombre" y "descripción" y este será almacenado en la base de datos para su uso posterior en el formulario del experimento continuo.

Los campos necesarios en el formulario incluyen el nombre del experimento, que se genera automáticamente a partir de los parámetros configurados, siguiendo una estructura predefinida basada en los datos introducidos en los campos restantes. El campo de "comentario" permite agregar notas adicionales.

A continuación, se especifican los parámetros para la configuración del experimento: la frecuencia inicial (en Hz) desde la cual comenzará la medición, la sensibilidad (incremento por paso) que determinará el aumento en cada iteración y el número de pasos por cada repetición del experimento. El campo de frecuencia final, que no es editable, se genera automáticamente a partir de los valores de los tres campos mencionados. Además, se especifica el voltaje con el cual se ejecutará el experimento y el número de repeticiones que define la cantidad de barridos realizados para el mismo rango de frecuencias.

Una vez seleccionados los campos correspondientes, se presiona el botón "Ejecutar", lo que activa una alerta para confirmar si se desea proceder con los parámetros configurados. Al presionar "Aceptar", se inicia el experimento. Durante la ejecución se muestra en pantalla el tiempo restante y una barra de progreso. Al concluir la primera repetición (o al finalizar el experimento si solo se ha seleccionado una repetición), se generan y presentan automáticamente dos gráficos: Z vs f y 4> vs f.

Al término de la ejecución, se muestra una alerta indicando que el experimento ha finalizado, permitiendo al usuario decidir si desea guardar los resultados en la base de datos. Si se opta por guardar, los datos de impedancia, frecuencia y desplazamiento de fase se almacenan como una lista de listas donde cada sublista representa los resultados de una repetición individual. Tras guardar el experimento, la pantalla se actualiza, los gráficos se borran y el sistema queda preparado para una nueva ejecución.

En la interfaz "Experimento pausado", el campo de repeticiones no está presente, ya que no se establece un número fijo de veces para realizar el experimento. El propósito de esta interfaz es obtener un conjunto de datos experimentales correspondientes al mismo sistema con el objetivo de calcular su desviación y estimar el error experimental asociado. Para adquirir cada repetición del experimento, se debe presionar el botón "Siguiente repetición". Cada respuesta en frecuencia se muestra en pantalla con un color diferente en el gráfico, lo que facilita la identificación de la validez del experimento. La Figura 8 muestra la interfaz correspondiente donde se observa un experimento realizado con dos repeticiones en el mismo sistema experimental, mostradas en azul (primera repetición) y en naranja (segunda repetición).

Figura 8

La Figura 9 presenta la pantalla de historial de experimentos del sistema de caracterización ultrasónica. Esta interfaz está diseñada para proporcionar un acceso eficiente y organizado a los datos de todos los experimentos previamente realizados, centralizando la información clave para su análisis y revisión. La tabla principal de la interfaz incluye columnas que detallan parámetros como el nombre del experimento, el tipo de fluido utilizado, la sensibilidad del sistema, el número de pasos en el barrido de frecuencia, las frecuencias inicial y final, el voltaje aplicado y el número de repeticiones. Esta organización permite a los investigadores comparar diferentes configuraciones experimentales y extraer conclusiones significativas basadas en la variación de estos parámetros.

Además, la interfaz que se implementó con la misma librería de la interfaz gráfica Tkinter y su clase Treeview, cuenta con una serie de botones que permite realizar diversas acciones sobre los experimentos registrados. Entre las funcionalidades disponibles se incluyen la capacidad de ordenar los experimentos según criterios específicos, visualizar gráficos de impedancia (Z) vs. frequencia (f) y desfase (Adp vs f), así como exportar estos resultados para análisis posteriores. La capacidad de eliminar experimentos no deseados y exportar datos como Acd y las frecuencias de calidad, refuerza la utilidad de la interfaz en la gestión de la información experimental.

A diferencia de otras interfaces presentadas en este estudio, esta pantalla se centra en la gestión y análisis de los datos históricos de los experimentos, proporcionando herramientas para la revisión y exportación de información clave relacionada con la caracterización ultrasónica.

Figura 9

En la pantalla "Historial" se ofrece la opción de exportar los conjuntos de datos en formato CSV para un análisis posterior en aplicaciones especializadas, según las necesidades del usuario. La exportación de estos archivos se realiza mediante la biblioteca Pandas de Python, generando archivos con los siguientes encabezados: "Impedancia Rep. n", "Fase Rep. n" y "Frecuencia Rep. N", donde Rep. n corresponde al número de la repetición. Las columnas generadas tendrán la misma longitud y el número de filas estará limitado por la cantidad de pasos realizados en el experimento.

Es importante señalar que, para poder exportar los datos, es necesario haber visualizado previamente el gráfico del experimento en cuestión (los gráficos de impedancia y fase se registran automáticamente durante este proceso). Esto se debe a que, al mostrar el gráfico, se guarda un registro en la base de datos con los cálculos ya realizados, lo que permite que, al volver a visualizarlo, no sea necesario repetir todos los cálculos, optimizando el rendimiento computacional de las funcionalidades "Ver experimento" y "Exportar experimento".

Para almacenar estos registros, se crean clases en MongoDB correspondientes a cada categoría de postprocesamiento. Cada documento en estas clases incluye tres atributos: "nombre" (tipo string), "datos" (tipo array) y "tiempo" (tipo array), lo que facilita la organización y el acceso eficiente a los datos procesados.

Uno de los desafíos fundamentales en la caracterización de materiales, especialmente en el estudio de biofluidos, es la capacidad de registrar rápidamente los cambios que ocurren cuando estos sistemas interactúan con otros agentes. Este desafío se intensifica cuando se busca mantener una alta sensibilidad en los resultados, comparable con las soluciones disponibles en el mercado, mientras se acelera el tiempo de adquisición para capturar la cinética de los fluidos que evolucionan rápidamente con el tiempo.

Para medir los tiempos de respuesta del sistema, se utilizó la biblioteca Time de Python, defiendo la variable "inicio" antes de ejecutar la función y la variable "final" después de la ejecución de la función. De esta forma, el tiempo de ejecución fue determinado como At=final-inicio

Los resultados obtenidos muestran un tiempo promedio de 15.39 segundos por cada set de datos, donde cada set considera 500 puntos en la curva de respuesta en frecuencia del transductor (impedancia versus frecuencia y fase versus frecuencia), esto se traduce en aproximadamente 0.03078 segundos por dato. Cabe destacar que para la obtención de los valores de impedancia y fase se adquiere la señal de voltaje y corriente de cinco ciclos acústicos a una frecuencia de adquisición de 10 MHz.

Las curvas de respuesta en frecuencia de un transductor pueden ser adquiridas mediante un medidor LCR, realizando una variación de la frecuencia de excitación. Utilizando esta metodología, las mediciones de cada set de datos para el mismo transductor, y considerando el mismo número de puntos, son realizadas en aproximadamente 100 segundos [1], lo que indica una mejora de 6.5 veces en la rapidez de adquisición.

Es importante destacar que, durante el cambio de frecuencia en cada muestra, según la sensibilidad configurada, se detuvo la adquisición de datos para modificar la frecuencia en el generador de ondas antes de reanudar la adquisición. Aunque esta combinación de bibliotecas resultó efectiva, se identificó una limitación: la necesidad de pausar la adquisición de datos para evitar su acumulación en el buffer, lo que podría afectar la precisión de los valores obtenidos.

La mayor parte del tiempo de ejecución se destinó a iniciar y detener la adquisición de datos, con un promedio de 4.09 segundos para iniciar y 9.04 segundos para detener, en un experimento de 500 muestras. El tiempo dedicado exclusivamente a la toma de datos, es decir, después de iniciar y antes de detener la adquisición, fue de 1.83 segundos en promedio. Dado que el tiempo total de ejecución por repetición es de 15.39 segundos, se estima que 0.86 segundos se asocian a otros procesos. Esto significa que aproximadamente el 85.4 % del tiempo de ejecución se dedica a las operaciones de inicio y detención de la adquisición.

En la Tabla 1 se presentan los resultados referentes al tiempo de ejecución del software para diversas frecuencias de excitación dentro del mismo espectro de barrido. Se observa que el tiempo de ejecución aumenta linealmente con el número de frecuencias exploradas. Sin embargo, este es independiente de la sensibilidad o resolución en el paso de frecuencia.

Tabla 1

# Frecuencias excitación (10A3)	Sensibilidad (kHz)	Frecuencia Inicial (kHz)	Frecuencia Final (kHz)	Tiempo ejecución (s)
1	5.00	25	30	30.36
10	0.50	25	30	306.84
20	0.25	25	30	647.54
50	0.10	25	30	1720.20
100	0.05	25	30	4109.83

La Figura 12 muestra un crecimiento logarítmico del tiempo total de ejecución a medida que aumenta el número de frecuencias examinadas, evidenciando la relación directa entre la cantidad de datos procesados y el tiempo requerido para completar el experimento. Para aumentar el número de frecuencias exploradas se modificó el tamaño del paso de avance en la medición (aumento la sensibilidad) entre 0.05 Hz y 5 Hz.

Figura 12

A su vez, la Figura 12 ilustra la relación entre el número de frecuencias examinadas y el tiempo total de ejecución en un experimento de caracterización ultrasónica. En el eje horizontal se representa el número de frecuencias examinadas en una escala logarítmica, mientras que en el eje vertical se muestra el tiempo total de ejecución en segundos, también en escala logarítmica. La gráfica indica un comportamiento lineal en esta escala logarítmica. Esto sugiere que el tiempo total requerido para completar el experimento aumenta proporcionalmente con el número de frecuencias que se analizan.

Este comportamiento es consistente con la naturaleza del experimento, donde cada frecuencia examinada requiere un procesamiento y análisis específicos, lo que se traduce en un incremento acumulativo del tiempo total a medida que se amplía el rango de frecuencias evaluadas. La pendiente de la línea proporciona información sobre la eficiencia del sistema y la escalabilidad del proceso experimental cuando se incrementa el número de frecuencias.

En comparación con otras figuras presentadas en el estudio, esta gráfica permite comprender las limitaciones temporales del sistema al realizar barridos de frecuencia amplios.

Estos resultados destacan la eficiencia del software desarrollado en términos de velocidad y manejo de recursos, cumpliendo con el objetivo de acelerar la adquisición de datos sin comprometer la sensibilidad necesaria para la caracterización precisa de los biofluidos.

Para ejemplificar la capacidad del software desarrollado, se hace referencia al artículo ya publicado, "Ultrasonic Sensor: A Fast and Non-Destructive System to Measure the Viscosity and Density of Molecular Fluids" [1], en el cual se aplicó la metodología descrita en este estudio para caracterizar la interacción cinética de la proteína BSA con urea. En dicho trabajo, se implementó todo el procedimiento tanto de hardware como de software detallado en este artículo. La aplicación de este sistema permitió comprender el comportamiento de la viscosidad y la densidad de distintos fluidos bajo condiciones específicas de presión y temperatura.

En este contexto, se realizaron 300 repeticiones para analizar la respuesta en frecuencia del transductor a lo largo del tiempo. El software desarrollado demostró ser una herramienta eficaz para explorar sistemas dinámicos, permitiendo capturar la evolución temporal del sistema con una alta tasa de refresco.

La Figura 13 presenta los resultados obtenidos al analizar la evolución temporal de sistema gota-transductor para diferentes fluidos y biofluidos; al seleccionar y visualizar los datos almacenados en la base de datos, y al presionar el botón "Ver Z(f)", se despliega un gráfico generado con la librería Matplotlib, donde se muestra la respuesta en frecuencia del transductor para las 300 repeticiones. El mapeo de color, que varía del azul (para las primeras repeticiones) al rojo (para las últimas), permite identificar visualmente la evolución temporal del sistema.

En el caso de la Figura 14 d), la cinética de desplegamiento esperada para el BSA al añadir urea, demuestra una disminución de la impedancia mínima en el tiempo, además del movimiento de la frecuencia de resonancia, la cual es atribuida a la evaporación de la gota sobre la superficie del transductor y la sensibilidad del sistema a las variaciones de la respuesta en frecuencia [1]. Por su parte, la variación de impedancia puede correlacionarse con los cambios en la viscosidad del biofluido, los cuales son consecuencia de la interacción molecular entre las moléculas de BSA y urea. A medida que la urea despliega las moléculas de BSA, se observa un aumento en el volumen efectivo ocupado por estas en el fluido, lo que se traduce en un aumento de viscosidad del sistema, produciendo variaciones de la respuesta en frecuencia [1, 32, 33].

Figura 13