MODELO PARA PREDIÇÃO DO TEOR DE NITROGÊNIO NO MILHO POR MEIO DE ESPECTROSCOPIA DO INFRAVERMELHO PRÓXIMO
Model for predicting nitrogen content in corn using near infrared spectroscopy
AUTORES/AUTHORS
Diego Lima Luchessi1; Gabriela Naibo1; Tales Tiecher1; Caroline Andrade Tomaszewski2; Ana Laura Bemvenuti Jacques2; Alexandre Alan Cassinelli1; Anna Elisa Petersen Gatelli2; André Luis Vian1
1 Universidade Federal do Rio Grande do Sul, Av. bento Gonçalves, 91540-000, Porto Alegre – RS, Brasil, e-mail: diegolimalucc@gmail.com; andre.vian@ufrgs,br; tales.tiecher@gmail.com
2 Laboratório Federal de Defesa Agropecuária/RS - LFDA/RS, Estrada Retiro da Ponta Grossa, 91.780-580, Porto Alegre - RS, e-mail: caroline.tomaszewski@agriculta.gov.br ana.jacques@agro.gov.br
RESUMO
A espectroscopia de infravermelho próximo oferece uma alternativa mais rápida e econômica para estimar os teores de nitrogênio em tecido foliar de milho em comparação com métodos químicos tradicionais. Este estudo usou diferentes técnicas de pré-processamento e calibração multivariada com 326 amostras de milho para desenvolver um modelo de predição. Os pré-processamentos incluíram Detrend (DET), Standard Normal Variate (SNV) e Savitzky-Golay (SGD), enquanto os métodos de calibração foram Partial Least Squares Regression (PLSR) e Support Vector Machine (SVM). A validação cruzada foi aplicada na calibração do modelo, e a precisão da espectroscopia foi avaliada usando coeficiente de determinação (R²), relação entre desempenho e distância interquartil (RPIQ) e erro médio quadrático de predição (RMSE). A espectroscopia NIR demonstrou alta precisão, sendo SVM com pré-processamento SGD os modelos de calibração mais eficazes.
Palavras-chave: Espectroscopia de infravermelho próximo. Predição de nitrogênio. Pré-processamento espectral.
ABSTRACT
Near-infrared spectroscopy offers a faster and more cost-effective alternative for estimating nitrogen levels in maize leaf tissue compared to traditional chemical methods. This study employed various preprocessing techniques and multivariate calibration methods using 326 maize samples to develop a prediction model. Preprocessing techniques included Detrend (DET), Standard Normal Variate (SNV), and Savitzky-Golay (SGD), while calibration methods comprised Partial Least Squares Regression (PLSR) and Support Vector Machine (SVM). Cross-validation was applied during model calibration, and the spectroscopy accuracy was assessed using coefficient of determination (R²), performance-to-interquartile distance ratio (RPIQ), and root mean square error of prediction (RMSE). NIR spectroscopy demonstrated high accuracy, with SVM using SGD preprocessing being the most effective calibration models.
Keywords: Near-infrared spectroscopy. Nitrogen prediction. Spectral preprocessing.