Métodos de aprendizagem de máquina para predição de umidade e densidade básica da madeira a partir de espectros no NIR

• Ano de defesa: 2022
• Autor(a) principal: Santos, Luana Maria dos
• Orientador(a): Calegario, Natalino
• Banca de defesa: Couto, Allan Motta, Viana, Lívia Cassia, Moulin, Jordão Cabral, Vidaurre, Graziela Baptista
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Ciência e Tecnologia da Madeira
• Departamento: Departamento de Ciências Florestais
• País: brasil
• Palavras-chave em Português: Eucalipto - Umidade; Eucalipto - Densidade básica; Aprendizagem de máquina; Eucalyptus - Humidity; Eucalyptus - Basic density; Machine learning
• Área do conhecimento CNPq: Propriedades Físico-Mecânicas da Madeira
• Link de acesso: https://repositorio.ufla.br/handle/1/55327

A espectroscopia de infravermelho próximo (NIR) é uma técnica rápida e acurada que pode ser aplicada em um grande número de amostras e, quando associada à análise de regressão dos mínimos quadrado parciais e às redes neurais artificiais, tem se mostrado uma ferramenta eficiente na predição de propriedades da madeira. O objetivo deste estudo foi verificar o desempenho da Análise de Regressão dos mínimos quadrados (PLS-R) e das redes neurais artificiais (RNA) na estimativa da umidade e da densidade básica de madeira maciça e em cavacos de Eucalyptus spp. a partir de assinaturas espectrais no NIR. Os espectros no NIR e as massas foram medidos nos 110 cavacos e nas 110 amostras prismáticas de madeira, a cada 10% de perda de massa, da condição saturada até condição anidra, para posterior determinação da densidade básica e da umidade nas diferentes fases. Assim, a umidade e a densidade básica da madeira, obtidas pelo método convencional, foram correlacionadas com os correspondentes espectros no NIR por meio de Análise de Regressão dos mínimos quadrados (PLS-R) e Redes Neurais Artificias (RNA). Para o desenvolvimento das RNA foi utilizado o algoritmo de aprendizagem backpropagation com redes do tipo Multilayer perceptron. A determinação da umidade dos cavacos de madeira, a partir dos espectros NIR, apresentou as melhores estimativas pelo método RNA a partir dos decis com R2 de 0,97, RMSE de 8,83% e RPD de 5,58. A estimativa da densidade básica dos cavacos de madeira, a partir dos espectros no NIR, foram alcançadas com a RNA utilizando decis, apresentando R2 de 0,17, RMSE de 0,02% e RPD de 1,00. A determinação de umidade dos prismas de Eucalyptus sp. alcançou o melhor desempenho por RNA utilizando decis com R2 de 0,92, RMSE de 10,38% e RPD de 3,34. Já as melhores estimativas para a determinação da densidade, independente da umidade dos prismas, foram obtidas pelo modelo PLS-R com R2 de 0,80, RMSE de 0,06 no teste e RPD de 2,00. Portanto, os modelos desenvolvidos por PLS-R e RNA, partir e espectros no NIR, demonstraram ser uma ferramenta útil para previsão rápida e precisa da umidade de cavacos e prismas de madeira Eucalyptus. Já a determinação da densidade básica, independente da umidade, demonstrou resultados satisfatórios apenas nos prismas de madeira por meio da PLS-R e RNA e utilizando os decis dos espectros.