RESUMO:

A espectroscopia no infravermelho próximo (NIR) consiste em uma ferramenta promissora para otimização das análises de sementes de forma rápida e assertiva. Este trabalho teve como objetivo investigar a viabilidade do NIR, associado a métodos quimiométricos, para classificar lotes de sementes de soja quanto ao potencial fisiológico. Foram utilizados 372 lotes de sementes de soja avaliados quanto ao vigor e obtidos espectros NIR das amostras de sementes. Os espectros originais foram submetidos aos métodos de pré-processamento Standard Normal Variate (SNV), SNV + 1ª e 2ª derivadas; Gap-segment derivative; e Savitzky-Golay, pelas derivadas de primeiro e segundo grau, e a combinação entre os métodos. Os lotes foram divididos em Classe I (≥ 85% de germinação após envelhecimento acelerado), Classe II (< 85% de germinação após envelhecimento acelerado) e os espectros pré-processados foram utilizados para a construção de modelos de classificação por meio dos métodos K-nearest neighbors (KNN), Partial Least Squares - Discriminant Analysis (PLS-DA), Naive Bayes (NB), Random Forest (RF) e Support Vector Machine (SVM). O modelo de classificação PLS-DA apresentou maior acurácia e kappa, seguido pelo SVM. Os menores valores de acurácia foram obtidos para os modelos NB e RF. As regiões entre os comprimentos de ondas 1.000-1.200 nm e 2.200-2.500 nm foram as mais importantes para distinguir os níveis de qualidade das sementes de soja.

Termos para indexação:
quimiometria; Glycine max L. Merrill; qualidade de sementes