Comissão
Estatuto
Histórico
Localização
Contato
BIQ
BIBLIOTECA DO INSTITUTO DE QUÍMICA
UNICAMP

 
TESE DE DOUTORADO
 
Autor: Mello, Cesar Alexandre de
Título: Redes Neurais e Técnicas de Pré-Processamento de Sinais em Espectroscopia de Reflectância no Infravermelho Próximo
Ano: 1998
Orientador: Prof. Dr. Ronei Jesus Poppi
Coorientador: Prof. Dr. João Carlos de Andrade
Departamento: Química Analítica
Palavras-chave: Calibração multivariada
Resumo: Neste trabalho foi avaliado o desempenho de técnicas de pré-processamento de sinais e de modelamento de dados, para estimar o teor de nitrogênio em folhas de trigo a partir de espectros de reflectância difusa no infravermelho próximo (NIRR), obtidos em um espectrofotômetro de infravermelho próximo, com monocromador baseado em filtro óptico acústico sintonizável ( AOTF ). As técnicas de pré-processamento de sinais utilizadas foram: filtro de Savitsky-Golay, filtro de Fourier, filtro de Wavelet e Correção multiplicativa de espalhamento de Luz (MSC). Os métodos de modelamento de dados utilizados foram: Redes Neurais ordinárias, Redes Neurais com apodização (RNP), Mínimos Quadrados Parciais (PLS), Mínimos Quadrados Parciais-Polinomial (POLIPLS) e Mínimos Quadrados Parciais-Redes Neurais (NNPLS). Os resultados obtidos indicam que se desejar-se utilizar, com eficiência, a espectroscopia de reflectância difusa no infravermelho próximo para determinar o teor de nitrogênio em folhas deve-se, invariavelmente, corrigir efeitos relativos ao espalhamento de luz utilizando o MSC e tratar o espectro obtido de modo a remover ruídos, utilizando filtro de Fourier ou filtro de Wavelets; caso contrário, os erros de previsão serão elevados. Utilizando como referência o método Kjeldahl para determinação de nitrogênio em plantas, observou-se que as redes neurais com apodização apresentaram desempenhos similares aos das redes neurais sem apodização e ao PLS redes neurais. Entretanto, ambos os tipos de redes e o PLS redes neurais, forneceram melhores resultados que o PLS e o PLS polinomial.
Abstract: In this work it was evaluated the performance of signal preprocessing and data modeling techniques, for nitrogen content estimation in wheat leaves, from near infrared diffuse reflectance spectra (NIRR), using a monochromator based on an acoustic optic tunable filter (AOTF). The preprocessing techniques employed were : Savitsky-Golay filter , Fourier filter, Wavelet filter, and multiplicative scattering correction (MSC). The modeling methods used were: ordinary neural networks, pruning neural networks (RNP), partial least squares (PLS), polynomial/partial least squares (POLIPLS), and neural networks/partial least squares (NNPLS). The results obtained show that to use the near infrared diffuse reflectance spectroscopy for nitrogen content estimation in leaves is necessary to correct the light scattering effect using the MSC and to treat the spectra obtained to noise cancellation using the Fourier or Wavelet filter . It was observed, using as reference the Kjeldahl method for nitrogen content determination in the wheat leaves, that neural networks with pruning, ordinary neural networks and neural networks / PLS have similar performance. However, all neural networks based models provide better results than PLS and POLIPLS.
Arquivo (Texto Completo): vtls000184204.pdf ( tamanho: 3,39MB )

Instituto de Química / Caixa Postal n° 6154
Universidade Estadual de Campinas - UNICAMP
13083 - 970, Campinas, SP, Brasil
e-mail: biq@iqm.unicamp.br
© 2012-2014 BIQ