MATERIAL SUPLEMENTAR. Figura 1S. Espectros sobrepostos em refletância para as substâncias puras utilizadas no estudo

Transcrição

1 MATERIAL SUPLEMENTAR SiO Amido Cetoprofeno 9 Sacarose Figura S. Espectros sobrepostos em refletância para as substâncias puras utilizadas no estudo..8.6 Cetoprofeno..4 SiO Amido Sacarose Figura S. Espectros sobrepostos em pseudo-absorbância para as substâncias puras utilizadas no estudo SiO Amido Cetoprofeno Sacarose Figura 3S. Espectros normalizados e alisados para as substâncias puras utilizadas no estudo

2 PC no. AND NOW PRESS ENTER SELECT THE TRESHOLD Figura 4S. Etapa de escolha da faixa de valores de escores para a amostra após a PCA. Nesse caso, a região a ser desprezada é aquela em vermelho na imagem (superior esquerda), logo os valores a serem escolhidos são os que vão de - (azul escuro) até cerca de + (laranja), como pode ser observado pela escala dos valores de escores da imagem. No gráfico inferior, a região referente ao pellet está delimitada pelas duas linhas verticais em vermelho.

3 PCA Pixels Selecionados Figura S. Representação gráfica dos escores da PCA para a amostra de pellet e vidro (esquerda) e região selecionada para os pixels referentes apenas ao pellet (direita, em verde) Quadro S. Sequência de comandos executados para a análise do pellet por MCR-ALS conforme utilizada nas aulas práticas de Química Analítica IV (QA46), no Instituto de Química, Unicamp Universidade Estadual de Campinas - Instituto de Química - Campinas - 6 QA46 - Química Analítica IV Módulo de Técnicas Espectroanalíticas "Mapeamento de pellets utilizando espectroscopia de imagem na região do infravermelho próximo" Docente responsável: Prof. Dr. Ronei Jesus Poppi Rotina desenvolvida por: Me. Willian F. Cordeiro Dantas e Dr. José Augusto da Col Converter os arquivos do pellet de.fsm para uma matriz compreida pelo Matlab [pellet,~,~,zaxis,~] = fsmload('pellet.fsm'); Converter os arquivos dos puros em.fsm para uma matriz compreida pelo Matlab sacarose=fsmload('sacarose.fsm'); amido=fsmload('amido.fsm'); sio=fsmload('sio.fsm'); cetoprofeno=fsmload('cetoprofeno.fsm'); DADOS=struct('nomes',{},'brutos',{},'absorbancia',{},'snv',{},'alisamento',{},'mascara',{},'estimativa',{},'comp rimento',{},'pixelintotal',{},'coeficientes',{},'copt',{},'sopt',{},'novo_copt',{}); DADOS().nomes = 'Pellet'; DADOS().nomes = 'Sacarose'; DADOS(3).nomes = 'Amido'; DADOS(4).nomes = 'SiO_'; DADOS().nomes = 'Cetoprofeno'; 3

4 Mudar as dimensões da matriz (RESHAPE) de 3D para uma matriz D [nx,ny,nz] = size(pellet); DADOS().brutos = reshape(pellet,nx*ny,nz); [nx,ny,nz] = size(sacarose); DADOS().brutos = reshape(sacarose,nx*ny,nz); DADOS(3).brutos = reshape(amido,nx*ny,nz); DADOS(4).brutos = reshape(sio,nx*ny,nz); DADOS().brutos = reshape(cetoprofeno,nx*ny,nz); Pellets brutos Sacarose brutos Amido brutos Dióxido de Silício brutos Cetoprofeno brutos [~,k] = size(dados); for i=:k; subplot(,ceil(k),i);plot(zaxis,dados(i).brutos'); xlabel ('Número de onda (cm^{-})','fontsize',., 'FontWeight','bold'); ylabel ('', 'FontSize',., 'FontWeight','bold'); h = title([(dados(i).nomes) ' Brutos']); set(h,'color','black', 'FontSize',., 'FontWeight','bold') clear i h Transformar os dados de para DADOS().absorbancia = (log(./(dados().brutos./))); DADOS().absorbancia = (log(./(dados().brutos./))); DADOS(3).absorbancia = (log(./(dados(3).brutos./))); DADOS(4).absorbancia = (log(./(dados(4).brutos./))); DADOS().absorbancia = (log(./(dados().brutos./))); [~,k] = size(dados); for i=:k; subplot(,ceil(k),i);plot(zaxis,dados(i).absorbancia'); xlabel ('Número de onda (cm^{-})','fontsize',., 'FontWeight','bold'); ylabel ('Absorbância', 'FontSize',., 'FontWeight','bold'); h = title([dados(i).nomes,' em Absorbância']); set(h,'color','black', 'FontSize',., 'FontWeight','bold') clear i h Pré-tratamento dos dados em - SNV e Alisamento DADOS().snv = htsnv(dados().absorbancia); Normalização dos dados por SNV (Standard Normal Variation) DADOS().alisamento= filpoly(dados().snv,[],[-9 9],,,[ ]); Alisamento dos dados com Savitzky-Golay DADOS().snv = htsnv(dados().absorbancia); DADOS().alisamento= filpoly(dados().snv,[],[-9 9],,,[ ]); DADOS(3).snv = htsnv(dados(3).absorbancia); DADOS(3).alisamento= filpoly(dados(3).snv,[],[-9 9],,,[ ]); DADOS(4).snv = htsnv(dados(4).absorbancia); DADOS(4).alisamento= filpoly(dados(4).snv,[],[-9 9],,,[ ]); DADOS().snv = htsnv(dados().absorbancia); DADOS().alisamento= filpoly(dados().snv,[],[-9 9],,,[ ]); [~,k] = size(dados); 4

5 for i=:k; subplot(,ceil(k),i);plot(zaxis,dados(i).absorbancia'); xlabel ('Número de onda (cm^{-})','fontsize',, 'FontWeight','bold'); ylabel ('', 'FontSize',, 'FontWeight','bold'); h = title([dados(i).nomes,' em ']); set(h,'color','black', 'FontSize',, 'FontWeight','bold') subplot(,ceil(k),i+);plot(zaxis,dados(i).alisamento'); xlabel ('Número de onda (cm^{-})','fontsize',, 'FontWeight','bold'); ylabel ('', 'FontSize',, 'FontWeight','bold'); h = title([dados(i).nomes,' Normalizados e Suavizados']); set(h,'color','black', 'FontSize',, 'FontWeight','bold') clear i h Criar a Matriz de Estimativas Iniciais com os Espectros Puros DADOS().estimativa = [mean(dados().alisamento);mean(dados(3).alisamento);mean(dados(4).alisamento);mean(dados().alisamento)]; [k,~] = size(dados().estimativa); for i=:k; subplot(,ceil(k),i);plot(zaxis,std(dados().estimativa(i,:)'),'b','linewidth',.); xlabel ('Número de onda (cm^{-})','fontsize',., 'FontWeight','bold'); ylabel ('', 'FontSize',., 'FontWeight','bold'); h = title(dados(i+).nomes); set(h,'color','black', 'FontSize',., 'FontWeight','bold') clear h k i Construir uma máscara com apenas os espectros do pellet DADOS().mascara = htmaskingtool(reshape(dados().brutos,nx,ny,nz),[]) Construir a matriz de dados com os espectros selecionados pela máscara close all DADOS().comprimento=length(DADOS().mascara.pixelintotal(:,)); for i=:dados().comprimento; DADOS().pixelintotal(i,:)=DADOS().alisamento(DADOS().mascara.pixelintotal(i,),:); figure; plot(zaxis,dados().pixelintotal'); xlabel ('Número de Onda (cm^{-})'); ylabel (''); xlabel ('Número de Onda (cm^{-})'); ylabel (''); title ('Espectros Escolhidos pela Máscara'); clear i

6 Realizar o MCR-ALS (rotina por Tauler) em linha de comando [DADOS().copt,DADOS().sopt]=als(DADOS().pixelintotal,DADOS().estimativa,,,.); Copiar os parâmetros do MCR para o relatório (LOF e R ) ITERATION Sum of squares respect PCA reprod. =.4 Old sigma = > New sigma =.447 Sigma respect experimental data = FITING IS IMPROVING!!! Change in sigma () =.377 Fitting error (lack of fit, lof) in (PCA) =.43 Fitting error (lack of fit, lof) in (exp) = Percent of variance explained (r) is NUMBER OF ITERATIONS EXCEEDED THE ALLOWED! Fitting error (lack of fit, lof) in at the optimum =.43(PCA) 4.466(exp) Percent of variance explained (r)at the optimum is Relative species conc. areas respect matrix (sample) at the optimum Plots are at optimum in the iteration Plotar Comparação entre os resultados do MCR com os espectros dos componentes puros (cálculo dos coeficientes de correlação dos espectros puros) a=corrcoef(dados().sopt(,:),dados().estimativa(,:)); b=corrcoef(dados().sopt(,:),dados().estimativa(,:)); c=corrcoef(dados().sopt(3,:),dados().estimativa(3,:)); d=corrcoef(dados().sopt(4,:),dados().estimativa(4,:)); DADOS().coeficientes=[a(,) b(,) c(,) d(,)]; clear a b c d Gráficos da comparação dos espectros puros e calculados pelo MCR [k,~] = size(dados().estimativa); for i=:k; subplot(,ceil(k),i); plot(zaxis,std(dados().sopt(i,:)'),'r','linewidth',.) xlabel ('Número de onda (cm^{-})','fontsize',., 'FontWeight','bold'); ylabel ('', 'FontSize',., 'FontWeight','bold'); hold on plot(zaxis,std(dados().estimativa(i,:)'),'b','linewidth',.); h = title([dados(i).nomes,' (correlação = ',numstr(dados().coeficientes(,i)),')']); set(h,'color','black', 'FontSize',., 'FontWeight','bold') leg('recuperado (MCR)','Espectro Puro','Location','NorthWest'); clear h k i Rotina para voltar a dimensão original baseada na matriz de pixelin da máscara [nx,ny]=size(dados().copt); DADOS().novo_copt=nan(nX*nY,ny); for i=:dados().comprimento; DADOS().novo_copt(DADOS().mascara.pixelintotal(i,),:)=DADOS().copt(i,:); clear i 6

7 ----- Plotar as imagens dos mapas de concentração para cada um dos componentes do pellet close all [k,~] = size(dados().estimativa); for i=:k; subplot(,ceil(k),i);imagesc(reshape(dados().novo_copt(:,i),nx,ny,)); xlabel ('Número de onda (cm^{-})','fontsize',., 'FontWeight','bold'); ylabel ('', 'FontSize',., 'FontWeight','bold'); h = title(dados(i+).nomes); set(h,'color','black', 'FontSize',., 'FontWeight','bold') clear h k i 7