Para uma classificação precisa das marcas de cigarro, foi proposta uma nova metodologia rápida para identificação das marcas baseada na tecnologia de análise por espectroscopia no infravermelho próximo (NIRS) combinada com o reconhecimento de padrões supervisionado. Os espectros do tabaco foram pré-processados utilizando métodos como Transformação de Variável Normal Padrão (SNV), Correção de Dispersão Múltipla (MSC), Primeira Derivada (FD), Segunda Derivada (SD) e Suavização de Savitzky-Golay (SG) e suas combinações. Foram utilizadas três metodologias de reconhecimento de padrões: Análise de Componentes Principais (PCA), Análise Discriminante por Mínimos Quadrados Parciais (PLS-DA) e Análise Discriminante Ortogonal por Mínimos Quadrados Parciais (OPLS-DA) para classificar e identificar diferentes marcas de tabaco, utilizando a taxa de acerto da classificação como indicador de avaliação. Os resultados experimentais demonstraram que: (1) os gráficos de pontuações das componentes principais dos espectros no infravermelho próximo do tabaco se cruzam e se sobrepõem, com distinção pouco clara, sendo que o PCA não reconheceu as 5 marcas de tabaco acabado; (2) o modelo PLS-DA pré-processado com MSC+FD apresentou bons resultados de reconhecimento, com taxas de acerto de 100% no conjunto de calibração e 98,3% no conjunto de teste; (3) o modelo OPLS-DA pré-processado com MSC+SD apresentou o melhor desempenho de reconhecimento, com índices de ajuste para variáveis independentes (R2X), variáveis dependentes (R2Y) e índice de predição do modelo (Q2) de 0,485, 0,907 e 0,748 respectivamente, e taxas de acerto de 100% tanto no conjunto de calibração quanto no conjunto de teste. Isso indica que a tecnologia NIRS combinada com o método de reconhecimento supervisionado OPLS-DA para estabelecer um modelo de classificação de marcas de tabaco possui as vantagens de ser eficiente, rápida, precisa e não destrutiva, oferecendo um novo método rápido para a identificação da classificação do tabaco para cigarro.

espectroscopia no infravermelho próximo; tabaco acabado; classificação e reconhecimento; análise de componentes principais (PCA); análise discriminante por mínimos quadrados parciais (PLS-DA); análise discriminante ortogonal por mínimos quadrados parciais (OPLS-DA)