Resumo: Neste trabalho, foi utilizada a Espectroscopia no Infravermelho Próximo (NIR) na região de 4.000 ¿ 10.000 cm e modelos de calibração multivariada para a previsão de densidade básica, lignina total e extrativos em madeira. Para isso, foi utilizado o algoritmo dos mínimos quadrados parciais por intervalos (iPLS) obtendo espectros NIR diretamente sobre os cavacos de madeira secos. Um total de 107 e 53 amostras compôs os conjuntos de calibração e validação, respectivamente, sendo a divisão destas amostras realizada pelo algoritmo de Kennard ¿ Stone. A calibração foi otimizada pela eliminação das amostras anômalas (outliers), com base nas amostras com leverage extremo, resíduos não modelados nos dados espectrais e os resíduos com base na repetibilidade espectral. Também foi realizado um estudo visando à classificação e a determinação destes parâmetros em amostras com diferentes teores de umidade. Neste estudo, o método dos mínimos quadrados parciais para análise discriminante (PLS-DA) foi utilizado para a classificação das amostras de acordo com o teor de umidade apresentado e as máquinas de vetores de suporte por mínimos quadrados (LS-SVM) foi utilizada para determinação de cada um dos parâmetros em cada classe com teor de umidade diferente. Os resultados obtidos indicam que os modelos desenvolvidos para os cavacos secos podem ser utilizados na indústria papeleira como alternativa aos métodos convencionais e os modelos desenvolvidos no estudo para as amostras úmidas podem ser utilizados para a classificação de uma amostra desconhecida e, posteriormente, a previsão de cada parâmetro em cada um dos teores de umidade. Ver menos

Abstract: In this work, it was used the near infrared spectroscopy (NIRS) in region of 4.000 ¿ 10.000 cm and multivariate calibration models to predict basic density, total lignin and extractives in woodchips. The spectra were obtained directly on the dry woodchips and interval partial least squares (iPLS) was used to develop the calibration model. A total of 107 and 53 samples constitute the calibration and validation sets, respectively, split by Kennard ¿ Stone algorithm. The calibration set was optimized by outliers elimination based on data with extreme leverage, unmodelled residuals in spectral data and unmodelled residuals in the dependent variable. It was also performed a study aiming the classification and determination of this parameters in samples with different moisture contents. In this study, the discriminant analysis with partial least squares method (PLS-DA) was used to classify samples according to the moisture content and the least squares supporting vector machines (LS-SVM) was used to determine density, total lignine and extractives in each class with different moisture content. The results indicate that the models developed for the dry woodchips can be used in the pulp and paper industry as an alternative to the conventional methods and the models developed in the study with samples presented different moisture content can be used to classify an unknown sample and to predict each parameter in each moisture content class. Ver menos