Identificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levemberg-Marquardt

Abstract

Resumo: A identificação de uma espécie arbórea torna-se complexa quando tem-se à disposição apenas sua madeira, o que exige uma análise mais profunda para sua caracterização. Utilizando-se a espectrometria no infravermelho próximo é possível determinar a quantidade de absorção ou reflexão da radiação eletromagnética relativa a uma determinada faixa de números de onda. Como a quantidade de dados fornecidos pelo espectrofotômetro é grande, há a necessidade de utilizar-se ferramentas matemáticas e computacionais para o tratamento dessa informação. O objetivo deste trabalho é avaliar a aplicação de Redes Neurais Artificiais, com a heurística de Levemberg-Marquardt, como ferramenta auxiliar no reconhecimento de algumas espécies de madeira mediante a análise dos seus espectros ópticos, obtidos por aparelho de espectrometria no infravermelho próximo em modo de absorbância. Foram realizados três experimentos com os espectros das espécies de árvores Canela (Nectandra spp.), Canela Sassafrás (Ocotea odorifera), Imbuia (Ocotea porosa) e Eucalipto (Eucalyptus spp.). Os espectros analisados não passaram por nenhum tipo de filtro estatístico. No primeiro experimento, as quatro espécies foram utilizadas para o treinamento e teste da rede, utilizando-se as funções de ativação tangente hiperbólica - sigmoidal e logarítmica - sigmoidal, respectivamente. Obteve-se um reconhecimento superior a 99% das espécies, considerando-se uma tolerância ao erro de 2%. No segundo experimento as quatros espécies foram analisadas em combinações de três, obtendo-se, para uma tolerância de 2%, 100% de reconhecimento em todos os casos. No terceiro experimento, a faixa de números de onda analisada inicialmente foi dividida em quatro partes, cada uma foi analisada separadamente. Observou-se que a última parte analisada obteve o menor erro médio quadrático. Por fim, conclui-se que a utilização de Redes Neurais Artificiais para identificação de madeira apresentou resultados promissores, visto ser flexível aos ruídos existentes e não exigir que os dados passem por prévio tratamento estatístico antes de serem utilizados.