Use este identificador para citar ou linkar para este item: https://repositorio.ufms.br/handle/123456789/12351
Tipo: Trabalho de Conclusão de Curso
Título: Classificação de argila utilizando espectroscopia na região do infravermelho médio e algoritmos de aprendizagem de máquina
Autor(es): JÚNIA MARIA DA SILVA VIANA MENDES
Primeiro orientador: SAMUEL LEITE DE OLIVEIRA
Resumo: A caracterização e a classificação de materiais cerâmicos naturais, como a argila, são fundamentais para aplicações arqueológicas, ambientais e industriais, demandando métodos rápidos e precisos. Este trabalho teve como objetivo classificar amostras de argila coletadas no entorno do sítio arqueológico Alto do Bonfim (GO), utilizando espectroscopia no infravermelho por transformada de Fourier (FTIR) associada à análise multivariada e a algoritmos de aprendizagem de máquina. Três amostras (A1, A2 e A3) foram analisadas por FTIR, e os espectros obtidos passaram por pré-processamento por variância normal padrão (Standard Normal Variate, SNV), redução de dimensionalidade via Análise de Componentes Principais (PCA) e classificação utilizando os algoritmos k-vizinhos mais próximos (K-Nearest Neighbors, KNN), máquina de vetores de suporte (Support Vector Machine, SVM) e Análise Discriminante Linear (Linear Discriminant Analysis, LDA). Apesar da similaridade entre os espectros das amostras, os modelos conseguiram evidenciar uma separação progressiva, especialmente da amostra A3, em função de sua composição química distinta. A análise mostrou que a região espectral entre 600 e 1500 cm⁻¹ apresenta maior variabilidade relevante para a discriminação. O algoritmo LDA apresentou 100% de acurácia em ambos os intervalos espectrais, superando o KNN e o SVM, demonstrando ser o método mais eficaz. Conclui-se que a combinação de FTIR, PCA e LDA constitui uma abordagem robusta e eficiente para a classificação automatizada de argilas, com potencial de aplicação em diversas áreas do conhecimento.
Abstract: The characterization and classification of natural ceramic materials, such as clay, are essential for archaeological, environmental, and industrial applications, requiring fast and accurate methods. This work aimed to classify clay samples collected near the Alto do Bonfim archaeological site (GO) using Fourier Transform Infrared (FTIR) spectroscopy combined with multivariate analysis and machine learning algorithms. Three samples (A1, A2, and A3) were analyzed by FTIR, and the resulting spectra were preprocessed using Standard Normal Variate (SNV), followed by dimensionality reduction through Principal Component Analysis (PCA) and classification using K-Nearest Neighbors (KNN), Support Vector Machine (SVM), and Linear Discriminant Analysis (LDA) algorithms. Despite the visual similarity of the spectral data, the models gradually revealed a separation - especially for sample A3, which has a distinct chemical composition. The analysis indicated that the 600–1500 cm⁻¹ spectral region contains the most relevant variability for discrimination. The LDA algorithm achieved 100% accuracy in both spectral ranges, outperforming KNN and SVM, and proving to be the most effective method. It is concluded that the combination of FTIR, PCA, and LDA provides a robust and efficient approach for automated clay classification, with potential applications in various scientific fields.
Palavras-chave: Espectroscopia FTIR
Argila
Aprendizado de Máquina
Análise das componentes principais (PCA)
País: 
Editor: Fundação Universidade Federal de Mato Grosso do Sul
Sigla da Instituição: UFMS
Tipo de acesso: Acesso Aberto
URI: https://repositorio.ufms.br/handle/123456789/12351
Data do documento: 2025
Aparece nas coleções:Física - Bacharelado (INFI)

Arquivos associados a este item:
Arquivo TamanhoFormato 
25400.pdf2,15 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.