Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos

Detalhes bibliográficos
Autor(a) principal: Assis, Camila
Data de Publicação: 2014
Tipo de documento: Dissertação
Idioma: por
Título da fonte: LOCUS Repositório Institucional da UFV
Texto Completo: http://www.locus.ufv.br/handle/123456789/7645
Resumo: A construção de modelos de calibração multivariada usando espectroscopia de refletância na região do infravermelho próximo (NIR) e regressão por quadrados mínimos principais (PLS) para estimar teores de lignina de uma série de genótipos de cana-de-açúcar é o objetivo deste trabalho. Análises laboratoriais foram realizadas para determinar os valores de lignina, utilizando o método Klason. As variáveis independentes foram obtidas a partir de diferentes materiais: bagaço seco, bagaço seco com caldo, folha e colmo. Os espectros NIR foram obtidos na faixa de 10000 a 4000 cm-1. O algoritmo Kennard-Stone foi utilizado para selecionar o conjunto calibração e previsão. Os modelos foram construídos empregando a regressão por quadrados mínimos parciais (PLS) e diferentes algoritmos para seleção de variáveis foram testados: iPLS, biPLS, algoritmo Genético (GA) e o método de seleção dos preditores ordenados (OPS). Para o bagaço seco, o melhor modelo foi obtido após seleção de 445 variáveis com o OPS, que obteve RMSEP de 0,85, Rp de 0,97, RPD de 2,87 e erro relativo médio na previsão de 2,82%; para o bagaço seco com caldo o melhor modelo foi obtido após seleção de 265 variáveis com o OPS, que obteve RMSEP de 0,65, Rp de 0,94, RPD de 2,77 e erro relativo médio na previsão de 1,94%; para a folha o melhor modelo foi obtido após seleção de 305 variáveis com o OPS, que obteve RMSEP de 0,58, Rp de 0,96, RPD de 2,56 e erro relativo médio na previsão de 2,47%; para o terço médio do colmo o melhor modelo foi obtido após seleção de 205 variáveis com o OPS, que obteve RMSEP de 0,61, Rp de 0,95, RPD de 3,24 e erro relativo médio na previsão de 1,97%; para o terço superior do colmo o melhor modelo foi obtido após seleção de 300 variáveis com o OPS, que obteve RMSEP de 0,58, Rp de 0,96, RPD de 2,34 e erro relativo médio na previsão de 1,94%; para as partes superiores, inferiores e médias do colmo, o melhor modelo foi obtido após seleção de 250 variáveis com o OPS, que obteve RMSEP de 0,80, Rp de 0,99, RPD de 2,79 e erro relativo médio na previsão de 2,90%. O algoritmo OPS selecionou um menor número de variáveis com maior capacidade preditiva.Todos os modelos mostraram-se confiáveis, com alta exatidão para previsão da lignina em cana-de-açúcar, reduzindo significativamente o tempo para realização das análises e portanto, otimizando o processo como um todo.
id UFV_f2e0a6fa17c787dcf05b9ee622129f44
oai_identifier_str oai:locus.ufv.br:123456789/7645
network_acronym_str UFV
network_name_str LOCUS Repositório Institucional da UFV
repository_id_str 2145
spelling Barbosa, Márcio Henrique PereiraColodette, Jorge LuizAssis, Camilahttp://lattes.cnpq.br/7643726712512416Teófilo, Reinaldo Francisco2016-05-09T14:57:17Z2016-05-09T14:57:17Z2014-04-05ASSIS, Camila. Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos. 2014. 72f. Dissertação (Mestrado em Agroquímica) - Universidade Federal de Viçosa, Viçosa. 2014.http://www.locus.ufv.br/handle/123456789/7645A construção de modelos de calibração multivariada usando espectroscopia de refletância na região do infravermelho próximo (NIR) e regressão por quadrados mínimos principais (PLS) para estimar teores de lignina de uma série de genótipos de cana-de-açúcar é o objetivo deste trabalho. Análises laboratoriais foram realizadas para determinar os valores de lignina, utilizando o método Klason. As variáveis independentes foram obtidas a partir de diferentes materiais: bagaço seco, bagaço seco com caldo, folha e colmo. Os espectros NIR foram obtidos na faixa de 10000 a 4000 cm-1. O algoritmo Kennard-Stone foi utilizado para selecionar o conjunto calibração e previsão. Os modelos foram construídos empregando a regressão por quadrados mínimos parciais (PLS) e diferentes algoritmos para seleção de variáveis foram testados: iPLS, biPLS, algoritmo Genético (GA) e o método de seleção dos preditores ordenados (OPS). Para o bagaço seco, o melhor modelo foi obtido após seleção de 445 variáveis com o OPS, que obteve RMSEP de 0,85, Rp de 0,97, RPD de 2,87 e erro relativo médio na previsão de 2,82%; para o bagaço seco com caldo o melhor modelo foi obtido após seleção de 265 variáveis com o OPS, que obteve RMSEP de 0,65, Rp de 0,94, RPD de 2,77 e erro relativo médio na previsão de 1,94%; para a folha o melhor modelo foi obtido após seleção de 305 variáveis com o OPS, que obteve RMSEP de 0,58, Rp de 0,96, RPD de 2,56 e erro relativo médio na previsão de 2,47%; para o terço médio do colmo o melhor modelo foi obtido após seleção de 205 variáveis com o OPS, que obteve RMSEP de 0,61, Rp de 0,95, RPD de 3,24 e erro relativo médio na previsão de 1,97%; para o terço superior do colmo o melhor modelo foi obtido após seleção de 300 variáveis com o OPS, que obteve RMSEP de 0,58, Rp de 0,96, RPD de 2,34 e erro relativo médio na previsão de 1,94%; para as partes superiores, inferiores e médias do colmo, o melhor modelo foi obtido após seleção de 250 variáveis com o OPS, que obteve RMSEP de 0,80, Rp de 0,99, RPD de 2,79 e erro relativo médio na previsão de 2,90%. O algoritmo OPS selecionou um menor número de variáveis com maior capacidade preditiva.Todos os modelos mostraram-se confiáveis, com alta exatidão para previsão da lignina em cana-de-açúcar, reduzindo significativamente o tempo para realização das análises e portanto, otimizando o processo como um todo.The building of multivariate calibration models using near infrared spectroscopy (NIR) and partial least squares (PLS) to estimate the lignin content of a number of sugar cane genotypes is the goal of this work. Laboratory analyzes were performed to determine the lignin content using the Klason method. The independent variables were obtained from different materials: dry bagasse, bagasse with broth , leaf and stalk, without any pre-treatment. The NIR spectra were obtained in the range of 10000-4000 cm-1. The Kennard Stone algorithm was used to select the calibration and the prediction set. The models were built using the partial least squares regression (PLS) and different algorithms for variable selection were tested: iPLS, biPLS, Genetic Algorithm (GA) and the Ordered Predictors Selection method (OPS). For dry bagasse, the best model was obtained after screening 445 variables with OPS, which obtained RMSEP of 0,85, Rp 0,97, RPD 2,87 and mean relative error of 2,82%; for bagasse with broth the best model was obtained after screening 265 variables with OPS, which obtained RMSEP of 0,65, Rp 0,94, RPD 2,77 and mean relative error of 1,94%; for leaf the best model was obtained after screening 305 variables with OPS, which obtained RMSEP of 0,58, Rp 0,96, RPD 2,56 and mean relative error of 2,47%; for the middle stalk the best model was obtained after screening 205 variables with OPS, which obtained RMSEP of 0,61, Rp 0,95, RPD 3,24 and mean relative error of 1,97%; for the top stalk the best model was obtained after screening 300 variables with OPS which obtained RMSEP of 0,58, Rp 0,96, RPD 2,34 and mean relative error of 1,94%; for foot middle and top stalk , the best model was obtained after screening 250 variables with OPS, which obtained RMSEP of 0,80, Rp 0,99, RPD 2,79 and mean relative error of 2,90%. The OPS algorithm selected fewer variables with greater predictive capacity. All models are reliable, with high accuracy for predicting lignin in sugar cane, reducing significantly the time to perform the analysis, the cost and the chemical reagents consumption, optimizing the whole process.Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorporUniversidade Federal de ViçosaCana-de-açúcarBiomassaLigninaEspectroscopia de infravermelhoQuímica AnalíticaPrevisão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricosPrediction of lignin content in sugar cane using near infrared spectroscopy and chemometrics methodsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisUniversidade Federal de ViçosaDepartamento de QuímicaMestre em AgroquímicaViçosa - MG2014-04-07Mestradoinfo:eu-repo/semantics/openAccessreponame:LOCUS Repositório Institucional da UFVinstname:Universidade Federal de Viçosa (UFV)instacron:UFVORIGINALtexto completo.pdftexto completo.pdftexto completoapplication/pdf3001305https://locus.ufv.br//bitstream/123456789/7645/1/texto%20completo.pdfc8654912c4ce446440d6d9a3368108dfMD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://locus.ufv.br//bitstream/123456789/7645/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52THUMBNAILtexto completo.pdf.jpgtexto completo.pdf.jpgIM Thumbnailimage/jpeg3649https://locus.ufv.br//bitstream/123456789/7645/3/texto%20completo.pdf.jpg5f573e3c3e81f0a4efb7527727b30cb7MD53TEXTtexto completo.pdf.txttexto completo.pdf.txtExtracted texttext/plain139075https://locus.ufv.br//bitstream/123456789/7645/4/texto%20completo.pdf.txt33a1244e027c3216020c1d3fe9598d47MD54123456789/76452016-05-10 07:06:19.263oai:locus.ufv.br:123456789/7645Tk9URTogUExBQ0UgWU9VUiBPV04gTElDRU5TRSBIRVJFClRoaXMgc2FtcGxlIGxpY2Vuc2UgaXMgcHJvdmlkZWQgZm9yIGluZm9ybWF0aW9uYWwgcHVycG9zZXMgb25seS4KCk5PTi1FWENMVVNJVkUgRElTVFJJQlVUSU9OIExJQ0VOU0UKCkJ5IHNpZ25pbmcgYW5kIHN1Ym1pdHRpbmcgdGhpcyBsaWNlbnNlLCB5b3UgKHRoZSBhdXRob3Iocykgb3IgY29weXJpZ2h0Cm93bmVyKSBncmFudHMgdG8gRFNwYWNlIFVuaXZlcnNpdHkgKERTVSkgdGhlIG5vbi1leGNsdXNpdmUgcmlnaHQgdG8gcmVwcm9kdWNlLAp0cmFuc2xhdGUgKGFzIGRlZmluZWQgYmVsb3cpLCBhbmQvb3IgZGlzdHJpYnV0ZSB5b3VyIHN1Ym1pc3Npb24gKGluY2x1ZGluZwp0aGUgYWJzdHJhY3QpIHdvcmxkd2lkZSBpbiBwcmludCBhbmQgZWxlY3Ryb25pYyBmb3JtYXQgYW5kIGluIGFueSBtZWRpdW0sCmluY2x1ZGluZyBidXQgbm90IGxpbWl0ZWQgdG8gYXVkaW8gb3IgdmlkZW8uCgpZb3UgYWdyZWUgdGhhdCBEU1UgbWF5LCB3aXRob3V0IGNoYW5naW5nIHRoZSBjb250ZW50LCB0cmFuc2xhdGUgdGhlCnN1Ym1pc3Npb24gdG8gYW55IG1lZGl1bSBvciBmb3JtYXQgZm9yIHRoZSBwdXJwb3NlIG9mIHByZXNlcnZhdGlvbi4KCllvdSBhbHNvIGFncmVlIHRoYXQgRFNVIG1heSBrZWVwIG1vcmUgdGhhbiBvbmUgY29weSBvZiB0aGlzIHN1Ym1pc3Npb24gZm9yCnB1cnBvc2VzIG9mIHNlY3VyaXR5LCBiYWNrLXVwIGFuZCBwcmVzZXJ2YXRpb24uCgpZb3UgcmVwcmVzZW50IHRoYXQgdGhlIHN1Ym1pc3Npb24gaXMgeW91ciBvcmlnaW5hbCB3b3JrLCBhbmQgdGhhdCB5b3UgaGF2ZQp0aGUgcmlnaHQgdG8gZ3JhbnQgdGhlIHJpZ2h0cyBjb250YWluZWQgaW4gdGhpcyBsaWNlbnNlLiBZb3UgYWxzbyByZXByZXNlbnQKdGhhdCB5b3VyIHN1Ym1pc3Npb24gZG9lcyBub3QsIHRvIHRoZSBiZXN0IG9mIHlvdXIga25vd2xlZGdlLCBpbmZyaW5nZSB1cG9uCmFueW9uZSdzIGNvcHlyaWdodC4KCklmIHRoZSBzdWJtaXNzaW9uIGNvbnRhaW5zIG1hdGVyaWFsIGZvciB3aGljaCB5b3UgZG8gbm90IGhvbGQgY29weXJpZ2h0LAp5b3UgcmVwcmVzZW50IHRoYXQgeW91IGhhdmUgb2J0YWluZWQgdGhlIHVucmVzdHJpY3RlZCBwZXJtaXNzaW9uIG9mIHRoZQpjb3B5cmlnaHQgb3duZXIgdG8gZ3JhbnQgRFNVIHRoZSByaWdodHMgcmVxdWlyZWQgYnkgdGhpcyBsaWNlbnNlLCBhbmQgdGhhdApzdWNoIHRoaXJkLXBhcnR5IG93bmVkIG1hdGVyaWFsIGlzIGNsZWFybHkgaWRlbnRpZmllZCBhbmQgYWNrbm93bGVkZ2VkCndpdGhpbiB0aGUgdGV4dCBvciBjb250ZW50IG9mIHRoZSBzdWJtaXNzaW9uLgoKSUYgVEhFIFNVQk1JU1NJT04gSVMgQkFTRUQgVVBPTiBXT1JLIFRIQVQgSEFTIEJFRU4gU1BPTlNPUkVEIE9SIFNVUFBPUlRFRApCWSBBTiBBR0VOQ1kgT1IgT1JHQU5JWkFUSU9OIE9USEVSIFRIQU4gRFNVLCBZT1UgUkVQUkVTRU5UIFRIQVQgWU9VIEhBVkUKRlVMRklMTEVEIEFOWSBSSUdIVCBPRiBSRVZJRVcgT1IgT1RIRVIgT0JMSUdBVElPTlMgUkVRVUlSRUQgQlkgU1VDSApDT05UUkFDVCBPUiBBR1JFRU1FTlQuCgpEU1Ugd2lsbCBjbGVhcmx5IGlkZW50aWZ5IHlvdXIgbmFtZShzKSBhcyB0aGUgYXV0aG9yKHMpIG9yIG93bmVyKHMpIG9mIHRoZQpzdWJtaXNzaW9uLCBhbmQgd2lsbCBub3QgbWFrZSBhbnkgYWx0ZXJhdGlvbiwgb3RoZXIgdGhhbiBhcyBhbGxvd2VkIGJ5IHRoaXMKbGljZW5zZSwgdG8geW91ciBzdWJtaXNzaW9uLgo=Repositório InstitucionalPUBhttps://www.locus.ufv.br/oai/requestfabiojreis@ufv.bropendoar:21452016-05-10T10:06:19LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)false
dc.title.pt-BR.fl_str_mv Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos
dc.title.en.fl_str_mv Prediction of lignin content in sugar cane using near infrared spectroscopy and chemometrics methods
title Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos
spellingShingle Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos
Assis, Camila
Cana-de-açúcar
Biomassa
Lignina
Espectroscopia de infravermelho
Química Analítica
title_short Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos
title_full Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos
title_fullStr Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos
title_full_unstemmed Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos
title_sort Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos
author Assis, Camila
author_facet Assis, Camila
author_role author
dc.contributor.authorLattes.pt-BR.fl_str_mv http://lattes.cnpq.br/7643726712512416
dc.contributor.none.fl_str_mv Barbosa, Márcio Henrique Pereira
Colodette, Jorge Luiz
dc.contributor.author.fl_str_mv Assis, Camila
dc.contributor.advisor1.fl_str_mv Teófilo, Reinaldo Francisco
contributor_str_mv Teófilo, Reinaldo Francisco
dc.subject.pt-BR.fl_str_mv Cana-de-açúcar
Biomassa
Lignina
Espectroscopia de infravermelho
topic Cana-de-açúcar
Biomassa
Lignina
Espectroscopia de infravermelho
Química Analítica
dc.subject.cnpq.fl_str_mv Química Analítica
description A construção de modelos de calibração multivariada usando espectroscopia de refletância na região do infravermelho próximo (NIR) e regressão por quadrados mínimos principais (PLS) para estimar teores de lignina de uma série de genótipos de cana-de-açúcar é o objetivo deste trabalho. Análises laboratoriais foram realizadas para determinar os valores de lignina, utilizando o método Klason. As variáveis independentes foram obtidas a partir de diferentes materiais: bagaço seco, bagaço seco com caldo, folha e colmo. Os espectros NIR foram obtidos na faixa de 10000 a 4000 cm-1. O algoritmo Kennard-Stone foi utilizado para selecionar o conjunto calibração e previsão. Os modelos foram construídos empregando a regressão por quadrados mínimos parciais (PLS) e diferentes algoritmos para seleção de variáveis foram testados: iPLS, biPLS, algoritmo Genético (GA) e o método de seleção dos preditores ordenados (OPS). Para o bagaço seco, o melhor modelo foi obtido após seleção de 445 variáveis com o OPS, que obteve RMSEP de 0,85, Rp de 0,97, RPD de 2,87 e erro relativo médio na previsão de 2,82%; para o bagaço seco com caldo o melhor modelo foi obtido após seleção de 265 variáveis com o OPS, que obteve RMSEP de 0,65, Rp de 0,94, RPD de 2,77 e erro relativo médio na previsão de 1,94%; para a folha o melhor modelo foi obtido após seleção de 305 variáveis com o OPS, que obteve RMSEP de 0,58, Rp de 0,96, RPD de 2,56 e erro relativo médio na previsão de 2,47%; para o terço médio do colmo o melhor modelo foi obtido após seleção de 205 variáveis com o OPS, que obteve RMSEP de 0,61, Rp de 0,95, RPD de 3,24 e erro relativo médio na previsão de 1,97%; para o terço superior do colmo o melhor modelo foi obtido após seleção de 300 variáveis com o OPS, que obteve RMSEP de 0,58, Rp de 0,96, RPD de 2,34 e erro relativo médio na previsão de 1,94%; para as partes superiores, inferiores e médias do colmo, o melhor modelo foi obtido após seleção de 250 variáveis com o OPS, que obteve RMSEP de 0,80, Rp de 0,99, RPD de 2,79 e erro relativo médio na previsão de 2,90%. O algoritmo OPS selecionou um menor número de variáveis com maior capacidade preditiva.Todos os modelos mostraram-se confiáveis, com alta exatidão para previsão da lignina em cana-de-açúcar, reduzindo significativamente o tempo para realização das análises e portanto, otimizando o processo como um todo.
publishDate 2014
dc.date.issued.fl_str_mv 2014-04-05
dc.date.accessioned.fl_str_mv 2016-05-09T14:57:17Z
dc.date.available.fl_str_mv 2016-05-09T14:57:17Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.citation.fl_str_mv ASSIS, Camila. Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos. 2014. 72f. Dissertação (Mestrado em Agroquímica) - Universidade Federal de Viçosa, Viçosa. 2014.
dc.identifier.uri.fl_str_mv http://www.locus.ufv.br/handle/123456789/7645
identifier_str_mv ASSIS, Camila. Previsão do teor de lignina em cana-de-açúcar usando espectroscopia no infravermelho próximo e métodos quimiométricos. 2014. 72f. Dissertação (Mestrado em Agroquímica) - Universidade Federal de Viçosa, Viçosa. 2014.
url http://www.locus.ufv.br/handle/123456789/7645
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Viçosa
publisher.none.fl_str_mv Universidade Federal de Viçosa
dc.source.none.fl_str_mv reponame:LOCUS Repositório Institucional da UFV
instname:Universidade Federal de Viçosa (UFV)
instacron:UFV
instname_str Universidade Federal de Viçosa (UFV)
instacron_str UFV
institution UFV
reponame_str LOCUS Repositório Institucional da UFV
collection LOCUS Repositório Institucional da UFV
bitstream.url.fl_str_mv https://locus.ufv.br//bitstream/123456789/7645/1/texto%20completo.pdf
https://locus.ufv.br//bitstream/123456789/7645/2/license.txt
https://locus.ufv.br//bitstream/123456789/7645/3/texto%20completo.pdf.jpg
https://locus.ufv.br//bitstream/123456789/7645/4/texto%20completo.pdf.txt
bitstream.checksum.fl_str_mv c8654912c4ce446440d6d9a3368108df
8a4605be74aa9ea9d79846c1fba20a33
5f573e3c3e81f0a4efb7527727b30cb7
33a1244e027c3216020c1d3fe9598d47
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv LOCUS Repositório Institucional da UFV - Universidade Federal de Viçosa (UFV)
repository.mail.fl_str_mv fabiojreis@ufv.br
_version_ 1801212907962236928