Rede neural convolucional classificadora de espécies de madeiras
Autor(a) principal: | |
---|---|
Data de Publicação: | 2024 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
Texto Completo: | https://app.uff.br/riuff/handle/1/32975 |
Resumo: | A exploração ilegal de madeira se caracteriza pela sua ação rápida, predatória e devastadora de grandes áreas de floresta nativa e é realizada sem autorização. É estimado que 80% da extração anual de madeira da Floresta Amazônica seja de origem ilegal, sendo ainda um grande problema. A anatomia da madeira oferece um método eficaz para o diagnóstico de madeiras, ainda que ferramentas e materiais de referência confiáveis sejam necessários para verificar as espécies exatas de madeira comercializadas. Este trabalho propõe o desenvolvimento de uma inteligência artificial capaz de classificar madeiras a partir de suas imagens micro tomográficas. Será gerado um modelo classificador em três etapas: construção do dataset; topologia do modelo; e treinamento. Na primeira, as imagens brutas são pré-processadas, na segunda, é desenvolvida uma inteligência artificial na linguagem de programação Python, e, na terceira, o modelo é treinado. A metodologia proposta produz uma rede neural capaz de classificar cinco espécies de árvores brasileiras com 100% de acurácia |
id |
UFF-2_85921905e78cd1852aa688cba0397e67 |
---|---|
oai_identifier_str |
oai:app.uff.br:1/32975 |
network_acronym_str |
UFF-2 |
network_name_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository_id_str |
2120 |
spelling |
Rede neural convolucional classificadora de espécies de madeirasComércio ilegal de madeiraMétodos computacionaisInteligência artificialExploração da madeiraInteligência artificialRede neuralIllegal loggingComputational methodsArtificial intelligenceA exploração ilegal de madeira se caracteriza pela sua ação rápida, predatória e devastadora de grandes áreas de floresta nativa e é realizada sem autorização. É estimado que 80% da extração anual de madeira da Floresta Amazônica seja de origem ilegal, sendo ainda um grande problema. A anatomia da madeira oferece um método eficaz para o diagnóstico de madeiras, ainda que ferramentas e materiais de referência confiáveis sejam necessários para verificar as espécies exatas de madeira comercializadas. Este trabalho propõe o desenvolvimento de uma inteligência artificial capaz de classificar madeiras a partir de suas imagens micro tomográficas. Será gerado um modelo classificador em três etapas: construção do dataset; topologia do modelo; e treinamento. Na primeira, as imagens brutas são pré-processadas, na segunda, é desenvolvida uma inteligência artificial na linguagem de programação Python, e, na terceira, o modelo é treinado. A metodologia proposta produz uma rede neural capaz de classificar cinco espécies de árvores brasileiras com 100% de acuráciaIllegal logging is carried out without authorization and characterized by its rapid, predatory and devastating action on large areas of native forest. It is estimated that 80% of the annual logging in the Amazon rainforest is of illegal origin, which is still a major problem. An efficient approach to identify timber is through wood anatomy, even if diagnostic tools and reliable reference materials are required to pinpoint the exact timber species. This study proposes the development of an artificial intelligence capable of identifying timber species using microtomography images. A classifying model is created in three steps: dataset building; defining the model’s topology; and training. First, the raw images are preprocessed, then, an artificial intelligence is created using Python, and finally, the model is trained. The methodology yields a neural network capable of classifying five Brazilian tree species with 100% accuracy44 f.Pereira, André Maués Brabohttp://lattes.cnpq.br/2778417967776066Vianna, Rafael da Silvahttp://lattes.cnpq.br/4066937888875038Cataldi, Marciohttp://lattes.cnpq.br/7262670454819823Brandes, Arno Fritz das Neveshttp://lattes.cnpq.br/8032954971431439Pinto, Diogo Ledermann Firmino2024-07-04T12:47:14Z2024-07-04T12:47:14Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisapplication/pdfPINTO, Diogo Ledermann Firmino. Rede neural convolucional classificadora de espécies de madeiras. 2022. 44 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Recursos Hídricos e do Meio Ambiente) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2022.https://app.uff.br/riuff/handle/1/32975CC-BY-SAinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF)instname:Universidade Federal Fluminense (UFF)instacron:UFF2024-07-04T12:49:25Zoai:app.uff.br:1/32975Repositório InstitucionalPUBhttps://app.uff.br/oai/requestriuff@id.uff.bropendoar:21202024-08-19T10:50:12.197551Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF)false |
dc.title.none.fl_str_mv |
Rede neural convolucional classificadora de espécies de madeiras |
title |
Rede neural convolucional classificadora de espécies de madeiras |
spellingShingle |
Rede neural convolucional classificadora de espécies de madeiras Pinto, Diogo Ledermann Firmino Comércio ilegal de madeira Métodos computacionais Inteligência artificial Exploração da madeira Inteligência artificial Rede neural Illegal logging Computational methods Artificial intelligence |
title_short |
Rede neural convolucional classificadora de espécies de madeiras |
title_full |
Rede neural convolucional classificadora de espécies de madeiras |
title_fullStr |
Rede neural convolucional classificadora de espécies de madeiras |
title_full_unstemmed |
Rede neural convolucional classificadora de espécies de madeiras |
title_sort |
Rede neural convolucional classificadora de espécies de madeiras |
author |
Pinto, Diogo Ledermann Firmino |
author_facet |
Pinto, Diogo Ledermann Firmino |
author_role |
author |
dc.contributor.none.fl_str_mv |
Pereira, André Maués Brabo http://lattes.cnpq.br/2778417967776066 Vianna, Rafael da Silva http://lattes.cnpq.br/4066937888875038 Cataldi, Marcio http://lattes.cnpq.br/7262670454819823 Brandes, Arno Fritz das Neves http://lattes.cnpq.br/8032954971431439 |
dc.contributor.author.fl_str_mv |
Pinto, Diogo Ledermann Firmino |
dc.subject.por.fl_str_mv |
Comércio ilegal de madeira Métodos computacionais Inteligência artificial Exploração da madeira Inteligência artificial Rede neural Illegal logging Computational methods Artificial intelligence |
topic |
Comércio ilegal de madeira Métodos computacionais Inteligência artificial Exploração da madeira Inteligência artificial Rede neural Illegal logging Computational methods Artificial intelligence |
description |
A exploração ilegal de madeira se caracteriza pela sua ação rápida, predatória e devastadora de grandes áreas de floresta nativa e é realizada sem autorização. É estimado que 80% da extração anual de madeira da Floresta Amazônica seja de origem ilegal, sendo ainda um grande problema. A anatomia da madeira oferece um método eficaz para o diagnóstico de madeiras, ainda que ferramentas e materiais de referência confiáveis sejam necessários para verificar as espécies exatas de madeira comercializadas. Este trabalho propõe o desenvolvimento de uma inteligência artificial capaz de classificar madeiras a partir de suas imagens micro tomográficas. Será gerado um modelo classificador em três etapas: construção do dataset; topologia do modelo; e treinamento. Na primeira, as imagens brutas são pré-processadas, na segunda, é desenvolvida uma inteligência artificial na linguagem de programação Python, e, na terceira, o modelo é treinado. A metodologia proposta produz uma rede neural capaz de classificar cinco espécies de árvores brasileiras com 100% de acurácia |
publishDate |
2024 |
dc.date.none.fl_str_mv |
2024-07-04T12:47:14Z 2024-07-04T12:47:14Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
PINTO, Diogo Ledermann Firmino. Rede neural convolucional classificadora de espécies de madeiras. 2022. 44 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Recursos Hídricos e do Meio Ambiente) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2022. https://app.uff.br/riuff/handle/1/32975 |
identifier_str_mv |
PINTO, Diogo Ledermann Firmino. Rede neural convolucional classificadora de espécies de madeiras. 2022. 44 f. Trabalho de Conclusão de Curso (Graduação em Engenharia de Recursos Hídricos e do Meio Ambiente) - Escola de Engenharia, Universidade Federal Fluminense, Niterói, 2022. |
url |
https://app.uff.br/riuff/handle/1/32975 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
CC-BY-SA info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
CC-BY-SA |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da Universidade Federal Fluminense (RIUFF) instname:Universidade Federal Fluminense (UFF) instacron:UFF |
instname_str |
Universidade Federal Fluminense (UFF) |
instacron_str |
UFF |
institution |
UFF |
reponame_str |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
collection |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) |
repository.name.fl_str_mv |
Repositório Institucional da Universidade Federal Fluminense (RIUFF) - Universidade Federal Fluminense (UFF) |
repository.mail.fl_str_mv |
riuff@id.uff.br |
_version_ |
1811823583347867648 |