Rede neural convolucional classificadora de espécies de madeiras

Detalhes bibliográficos
Autor(a) principal: Pinto, Diogo Ledermann Firmino
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

Registros relacionados