Discriminação de madeiras similares por NIRS e PLS-DA considerando variações de temperatura e umidade
| Autor: | Rosylane Elaine Costa Lopes |
|---|---|
| Přispěvatelé: | Pastore, Tereza Cristina Monteiro, Braga, Jez Willian Batista |
| Jazyk: | portugalština |
| Rok vydání: | 2015 |
| Předmět: | |
| Zdroj: | Repositório Institucional da UnB Universidade de Brasília (UnB) instacron:UNB |
| Popis: | Dissertação (mestrado)—Universidade de Brasília, Instituto de Química, Programa de Pós-Graduação em Química, 2015. A madeira é uma matéria-prima natural renovável e reciclável com alta variabilidade química e estrutural utilizada para diferentes fins. A fim de coibir a exploração indiscriminada, órgãos de fiscalização procuram efetuar a identificação de cargas de madeira. Essa identificação pode ser realizada pela anatomia da madeira. Porém, essa técnica requer a presença de especialistas, que são insuficientes para atender a demanda. Estudos anteriores comprovaram que a associação da espectroscopia no infravermelho próximo (NIRS) com a análise multivariada pode ser uma alternativa para a identificação de madeira. Nesse sentido, nesta dissertação, cinco madeiras nativas e uma de espécie exótica, similares anatomicamente, foram identificadas utilizando NIRS e análise discriminante por mínimos quadrados parciais (PLS-DA), considerando variações de temperatura e umidade. Foram desenvolvidos modelos com seleção de variáveis para a discriminação das espécies: andiroba, cedrinho, cedro, curupixá, eucalipto e mogno que se mostraram eficientes para todas as espécies. Contudo, ao realizar análises de amostras submetidas a 12 condições envolvendo variações de temperatura e umidade, os modelos apresentaram erros sistemáticos significativos e maiores taxas de erros de classificação. Esses erros foram reduzidos após a atualização do modelo pela adição de amostras sujeitas a essas 12 condições no seu conjunto de calibração. Com os modelos globais construídos foi possível discriminar corretamente 93,4%, 94,3% e 89,5% dos espectros registrados em amostras de cedrinho, cedro e mogno, respectivamente, com alto teor de umidade. Assim, a aplicação de seleção de variáveis, da atualização do modelo e da construção de modelos globais mostrou-se uma estratégia viável para melhorar a robustez de um modelo de discriminação, melhorando o seu desempenho e ampliando a sua aplicabilidade à frente de diferentes condições às quais este foi construído. Wood is a natural renewable and recyclable raw material with high chemical and structural variability used for different purposes. In order to contain the indiscriminate exploitation, inspection agencies seek to effect the identification of timber loads. This identification can be performed by the wood anatomy. However, this technique requires the presence of specialists, which are scarce. Previous studies have shown that the combination of near infrared spectroscopy (NIRS) with multivariate analysis can be an alternative method for wood identification. In this sense, in this dissertation, five native woods and one of exotic species, anatomically similar, were identified using NIRS and partial least squares for discriminant analysis (PLS-DA), considering variations in temperature and humidity. Discrimination models with variable selection for the wood species andiroba, cedrinho, cedar, curupixá, eucalyptus and mahogany were developed showing excellent results. However, when samples subjected to 12 conditions involving variations in temperature and humidity significant systematic errors and high misclassification rates were observed. These problems were solved after the model updating, by adding samples conditioned in these variations into the calibration set. The global models constructed enable the discrimination with 93.4%, 94.3% and 89.5% correct classification rate for cedrinho, cedar and mahogany, respectively, with high moisture content. Therefore, the application of variable selection, model updating and construction of global models proved to be a viable strategy to improve the robustness of a discrimination model, improving its performance and expanding its applicability ahead of different conditions in relation to the ones that it was built. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|