OTIMIZAÇÃO DE CALIBRAÇÕES BASEADAS EM ESPECTROSCOPIA NO INFRAVERMELHO PRÓXIMO PARA ESTIMATIVA DE PROPRIEDADES DA MADEIRA DE Eucalyptus

A espectroscopia no infravermelho próximo (NIRS) é uma técnica não-destrutiva, rápida e utilizada para avaliação, caracterização e classificação de materiais, sobretudo de origem biológica. A obtenção de informações contida nos espectros NIR é complexa e requer a utilização de métodos quimiométricos. Assim, por meio de regressão multivariada, os espectros de absorbância podem ser associados às propriedades da madeira, tornando possível a sua predição em amostras desconhecidas. Existem algumas ferramentas quimiométricas que melhoram o ajuste dos modelos preditivos. Assim, o objetivo deste trabalho foi simular regressões dos mínimos quadrados parciais baseados nas informações espectrais e de laboratório e estudar a influência da aplicação de tratamentos matemáticos, do descarte de amostras anômalas e da seleção de comprimentos de onda no ajuste dos modelos para estimativa da densidade básica e do módulo de elasticidade em ensaio de compressão paralela às fibras da madeira de Eucalyptus. A aplicação da primeira e segunda derivada nos espectros, o descarte de amostras anômalas e a seleção de algumas das variáveis espectrais melhorou significativamente o ajuste do modelo, reduzindo o erro padrão e aumentando o coeficiente de determinação e a relação de desempenho do desvio.Palavras-chave:  Espectroscopia no infravermelho próximo; predição; densidade básica; MOE; madeira; Eucalyptus. AbstractOptimization of calibrations based on near infrared spectroscopy for estimation of Eucalyptus wood properties. Near infrared spectroscopy (NIRS) is a non-destructive technique used for rapid evaluation, characterization and classification of biological materials. The extraction of the information contained in the NIR spectrum is complex and requires the use of chemo metric methods. Thus, by means of multivariate regression, the absorbance spectra are correlated to wood properties, making possible the prediction in unknown samples. There are some chemo metric tools that can improve the adjustment of the predictive models. The aim of this work was to simulate partial least squares regression based on NIR spectra and laboratory data and to study the influence of the application of mathematical treatment, the removal of outliers and the wavelengths selection in the adjustment of models to estimate the density and modulus of elasticity in Eucalyptus wood. The use of the first and second derivative spectra, the disposal of outliers, and the variables selection improved significantly the model fit, reducing the standard error and increasing the coefficient of determination and the ratio of performance to deviation.Keywords: Near infrared; spectroscopy; prediction; density; MOE; wood; Eucalyptus.