ESTIMATIVA DE ALCALÓIDES EM TABACO UTILIZANDO ESPECTROSCOPIA VIS-NIR-SWIR E MACHINE LEARNING

O tabaco é uma cultura importante para economia brasileira e a estimativa de atributos bioquímicos foliares está diretamente ligada ao seu valor agregado. O objetivo desse trabalho foi avaliar a estimativa do teor de alcaloides presente em tabaco, utilizando espectroscopia aliada a modelos de machine learning. O experimento foi realizado em estufa, a reflectância foi coletada aos 41 e 69 dias após plantio, concomitantemente foram realizadas análises químicas de alcalóides totais. Os modelos de machine learning utilizados foram PLS (Partial Least Square), Random Forest (RF) e Neural Network (NN). As métricas de avaliação dos modelos foram coeficiente de determinação (R2), Root Mean Squared Error (RMSE) e Razão de Previsão para Desvio (RPD). Os resultados obtidos na fase de predição foram R2 0.68, 0.64 e 0.71 para PLS, RF e NN, respectivamente e RMSE de 0.47, 0.49 e 0.46, respectivamente. Esses resultados sugerem o potencial do uso de espectroscopia no monitoramento de alcaloides em tabaco.