
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Calegario, Natalino | - |
| Autor(es): dc.contributor | Hein, Paulo Ricardo Gherardi | - |
| Autor(es): dc.contributor | Couto, Allan Motta | - |
| Autor(es): dc.contributor | Viana, Lívia Cassia | - |
| Autor(es): dc.contributor | Moulin, Jordão Cabral | - |
| Autor(es): dc.contributor | Vidaurre, Graziela Baptista | - |
| Autor(es): dc.creator | Santos, Luana Maria dos | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T11:45:40Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T11:45:40Z | - |
| Data de envio: dc.date.issued | 2022-10-23 | - |
| Data de envio: dc.date.issued | 2022-10-23 | - |
| Data de envio: dc.date.issued | 2022-09-24 | - |
| Data de envio: dc.date.issued | 2022-07-29 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/55327 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1146867 | - |
| Descrição: dc.description | Near-infrared (NIR) spectroscopy is a fast and accurate technique that can be applied to a large number of samples and, when associated with partial least squares regression analysis and artificial neural networks, has been shown to be an efficient tool in prediction. of wood properties. The objective of this study was to verify the performance of least squares regression analysis (PLS-R) and artificial neural networks (ANN) in estimating moisture and basic density of solid wood and chips of Eucalyptus spp. from spectral signatures in the NIR. The NIR spectra and the masses were measured in the 110 chips and in the 110 prismatic samples of wood, at every 10% of mass loss, from the saturated condition to the anhydrous condition, for later determination of the basic density and moisture in the different phases. Thus, wood moisture and basic density, obtained by the conventional method, were correlated with the corresponding spectra in the NIR by means of least squares regression analysis (PLS-R) and Artificial Neural Networks (ANN). For the development of the ANNs, the backpropagation learning algorithm was used with Multilayer perceptron networks. The determination of wood chip moisture, from the NIR spectra, presented the best estimates by the RNA method from the deciles with R2 of 0.97, RMSE of 8.83% and RPD of 5.58. The estimate of the basic density of wood chips, from the spectra in the NIR, was reached with the ANN using deciles, presenting R2 of 0.17, RMSE of 0.02% and RPD of 1.00. Moisture determination of Eucalyptus sp. achieved the best performance by RNA using deciles with R2 of 0.92, RMSE of 10.38% and RPD of 3.34. The best estimates for the determination of density, regardless of prism moisture, were obtained by the PLS-R model with R2 of 0.80, RMSE of 0.06 in the test and RPD of 2.00. Therefore, the models developed by PLS-R and RNA, starting and spectra in the NIR, proved to be a useful tool for fast and accurate prediction of the humidity of chips and prisms of Eucalyptus wood. The determination of basic density, independent of moisture, showed satisfactory results only in wooden prisms through PLS-R and RNA and using the deciles of the spectra. | - |
| Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
| Descrição: dc.description | 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. | - |
| Formato: dc.format | application/pdf | - |
| Idioma: dc.language | pt_BR | - |
| Publicador: dc.publisher | Universidade Federal de Lavras | - |
| Publicador: dc.publisher | Programa de Pós-Graduação em Ciência e Tecnologia da Madeira | - |
| Publicador: dc.publisher | UFLA | - |
| Publicador: dc.publisher | brasil | - |
| Publicador: dc.publisher | Departamento de Ciências Florestais | - |
| Direitos: dc.rights | acesso aberto | - |
| Palavras-chave: dc.subject | Eucalipto - Umidade | - |
| Palavras-chave: dc.subject | Eucalipto - Densidade básica | - |
| Palavras-chave: dc.subject | Aprendizagem de máquina | - |
| Palavras-chave: dc.subject | Eucalyptus - Humidity | - |
| Palavras-chave: dc.subject | Eucalyptus - Basic density | - |
| Palavras-chave: dc.subject | Machine learning | - |
| Palavras-chave: dc.subject | Propriedades Físico-Mecânicas da Madeira | - |
| Título: dc.title | Métodos de aprendizagem de máquina para predição de umidade e densidade básica da madeira a partir de espectros no NIR | - |
| Título: dc.title | Machine learning methods for the prediction of moisture and basic density of wood from NIR spectrum | - |
| Tipo de arquivo: dc.type | tese | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: