Banca de DEFESA: RAFAELA FERNANDA LEITE

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: RAFAELA FERNANDA LEITE
DATA : 28/07/2026
HORA: 08:30
LOCAL: virtual
TÍTULO:

Caracterização de Polissacarídeos e Misturas Binárias por FTIR e Aprendizado de Máquina

PALAVRAS-CHAVES:

Polissacarídeos, FTIR, Inteligência Artificial.

PÁGINAS: 75
RESUMO:

Os polissacarídeos são biomoléculas essenciais com vasta aplicação nos setores alimentício, farmacêutico e biotecnológico devido à sua biocompatibilidade e versatilidade. No entanto, a diversidade de ligações glicosídicas e ramificações impõe desafios complexos à sua caracterização estrutural, especialmente em sistemas multicomponentes onde a espectroscopia de infravermelho (FTIR) convencional enfrenta limitações devido à intensa sobreposição de bandas na região de fingerprint 1150 a 900 cm⁻¹. Este trabalho, então, tem como objetivo caracterizar polissacarídeos puros e misturas binárias por meio de FTIR, avaliando o desempenho de diferentes algoritmos de aprendizado de máquina na classificação espectral automatizada. O estudo buscou validar o uso da inteligência artificial (IA) como ferramenta de controle de qualidade e identificação precisa de componentes em matrizes poliméricas complexa. Realizou-se uma pesquisa experimental e computacional fundamentada na análise de oito polissacarídeos (ágar, agarose, amido, quitosana, pectina cítrica, CMC, B-glucana e alginato), utilizando o hidrogel de celulose bacteriana bruta como matriz base e glicose e sacarose como controles. O protocolo incluiu uma etapa crítica de padronização física das amostras (desidratação por 120 horas, moagem e peneiramento) e a preparação de misturas físicas binárias em proporções de massa equivalentes 1:1. Os dados espectrais obtidos via FTIR-ATR foram processados na plataforma Quasar/Orange, envolvendo um pipeline sequencial de pré-processamento com correção de linha de base, normalização por Standard Normal Variate (SNV) e filtragem por Savitzky-Golay (derivada de ordem zero e janela de 9 pontos), seguido por análise de componentes principais (PCA) e validação cruzada estratificada de seis classificadores: Naive Bayes, Random Forest, Tree, Neural Network, SVM e Logistic Regression. A padronização física das amostras e o tratamento matemático foram eficazes na obtenção de espectros de alta fidelidade, permitindo que as assinaturas espectrais individuais permanecessem recuperáveis mesmo em misturas com alta sobreposição de bandas. Entre os modelos avaliados, a regressão logística apresentou o desempenho superior, atingindo uma acurácia de 91,4% e um F1-score de 0,911, demonstrando ser mais eficiente para mitigar sobreposições espectrais moleculares do que modelos complexos como redes neurais (86,7%) ou SVM (48,1%), os quais sofreram com artefatos de sobreajuste e interações físicas secundárias nas matrizes. A ferramenta freeviz confirmou a separação clara entre carboidratos simples e polímeros complexos.Conlui-se então, que é viável e altamente eficiente integrar a espectroscopia FTIR com algoritmos de inteligência artificial para a caracterização de polissacarídeos heterogêneos. A metodologia proposta oferece um caminho rápido, não invasivo e robusto para o controle de qualidade industrial, superando as limitações da análise manual intuitiva. A regressão logística consolidou-se como a técnica mais fidedigna para a distinção química de materiais com alta similaridade estrutural devido à preservação da linearidade do sinal, validando o fluxo de trabalho quimiométrico para futuras aplicações em sistemas poliméricos industriais.

MEMBROS DA BANCA:
Presidente - 1630817 - RICARDO YARA
Interno - 1760478 - EMERY CLEITON CABRAL CORREIA LINS
Externa à Instituição - ANA CRISTINA SILVEIRA MARTINS - UFPB