TRANSFERÊNCIA DE CALIBRAÇÃO: EFEITOS DO SENSOR NIR E DA UMIDADE DA MADEIRA NA CAPACIDADE PREDITIVA DE REGRESSÕES MULTIVARIADAS
Inteligência artificial. NIRS. Densidade. Higroscopicidade.
O desenvolvimento de soluções rápidas para caracterização e classificação da madeira é condição essencial para otimização na seleção e controle de qualidade da matéria-prima na indústria de base florestal. A espectroscopia no infravermelho próximo (NIR) associada às ferramentas de aprendizado de máquinas tem potencial para avaliar amostras de madeira em aplicações industriais, gerando informações de forma rápida, precisa e não destrutiva. A princípio, a técnica exige que modelos gerados por um equipamento sejam aplicados apenas em espectros registrados pelo mesmo sensor. No entanto, a transferência de calibrações entre equipamentos seria muito útil para avaliar e monitorar materiais de diferentes origens e em diferentes condições de umidade, mas requer análise minuciosa, pois pode fornecer predições incorretas e levar o gestor a tomada de decisão equivocada. Neste contexto, o estudo tem como objetivo desenvolver e testar modelos preditivos a partir de espectrômetros no NIR de bancada e portátil para estimar a densidade da madeira de Eucalyptus, independente da umidade atual do material. Para isso, corpos de prova de madeira serão produzidos a partir de clones de Eucalyptus recém abatidos. A madeira será analisada da condição verde (umidade > 30%) à umidade de equilíbrio. Inicialmente, o volume dos corpos de prova será obtido pelo método da imersão em água e a massa será medida em balança analítica de precisão. Posteriormente, os corpos de prova serão dispostos em bandejas e submetidos à secagem ao ar em ambiente controlado. Assinaturas espectrais serão coletadas diretamente na superfície das madeiras por meio do espectrômetro no NIR de bancada a partir de uma sonda de fibra ótica e no equipamento NIR portátil. Os espectros e a massa atual dos corpos de prova serão medidos da condição saturada até a umidade de equilíbrio em aproximadamente 10 etapas de secagem. Por fim, os corpos de prova serão secos em estufa com temperatura de ± 105°C até massa constante para determinação da densidade básica da madeira. Os espectros dos materiais serão submetidos à análise de componentes principais (PCA), análise discriminante por mínimos quadrados parciais (PLS-DA) e regressão dos mínimos quadrados parciais (PLS-R). A regressão multivariada para estimativa da densidade da madeira será ajustada a partir dos espectros no NIR coletados em diferentes condições de umidade em dois equipamentos. Três tipos de regressão serão gerados: modelo NIR global, modelo NIR de bancada e modelo NIR portátil. Os modelos preditivos serão testados em lotes de amostras desconhecidas para verificar o seu desempenho em validação externa. Além disso, espectros obtidos pelo equipamento de bancada serão aplicados no modelo desenvolvido a partir dos espectros registrados pelo equipamento portátil e vice-versa. Por fim, validação cruzada completa (leave-one-out) e validação independente serão realizadas para avaliar a performance preditiva dos modelos e dos equipamentos em transferência de calibrações. Espera-se que os modelos desenvolvidos tenham robustez suficiente para serem aplicados em informações espectrais obtidas por diferentes sensores NIR, contribuindo com a evolução dos métodos de discriminação e classificação de madeiras plantadas e, facilitando o monitoramento e padronização do controle de qualidade da matéria-prima e dos produtos de empresas de base florestal.