Identificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levenberg-Marquardt

Detalhes bibliográficos
Autor(a) principal: Oliveira, André Anastácio de
Data de Publicação: 2013
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Institucional da UFPR
Texto Completo: https://hdl.handle.net/1884/32422
Resumo: Orientador: Prof. Dr. Paulo Henrique Siqueira
id UFPR_48a085cf7319abe1f5e6371d8e9645b1
oai_identifier_str oai:acervodigital.ufpr.br:1884/32422
network_acronym_str UFPR
network_name_str Repositório Institucional da UFPR
repository_id_str 308
spelling Nisgoski, Silvana, 1974-Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em EngenhariaSiqueira, Paulo Henrique, 1976-Oliveira, André Anastácio de2024-05-16T13:35:35Z2024-05-16T13:35:35Z2013https://hdl.handle.net/1884/32422Orientador: Prof. Dr. Paulo Henrique SiqueiraCoorientadora: Profa. Dra. Silvana NisgoskiDissertação (mestrado) - Universidade Federal do Paraná. Setor de Ciências Exatas. Programa de Pós-Graduação em Métodos Numéricos de Engenharia. Defesa: Curitiba, 29/07/2013Bibliografia: fls. 128-133Área de Concentração: Programação matemáticaResumo: A identificação de uma espécie arbórea torna-se complexa quando tem-se à disposição apenas sua madeira, o que exige uma análise mais profunda para sua caracterização. Utilizando-se a espectrometria no infravermelho próximo é possível determinar a quantidade de absorção ou reflexão da radiação eletromagnética relativa a uma determinada faixa de números de onda. Como a quantidade de dados fornecidos pelo espectrofotômetro é grande, há a necessidade de utilizar-se ferramentas matemáticas e computacionais para o tratamento dessa informação. O objetivo deste trabalho é avaliar a aplicação de Redes Neurais Artificiais, com a heurística de Levenberg-Marquardt, como ferramenta auxiliar no reconhecimento de algumas espécies de madeira mediante a análise dos seus espectros ópticos, obtidos por aparelho de espectrometria no infravermelho próximo em modo de absorbância. Foram realizados três experimentos com os espectros das espécies de árvores Canela (Nectandra spp.), Canela Sassafrás (Ocotea odorifera), Imbuia (Ocotea porosa) e Eucalipto (Eucalyptus spp.). Os espectros analisados não passaram por nenhum tipo de filtro estatístico. No primeiro experimento, as quatro espécies foram utilizadas para o treinamento e teste da rede, utilizando-se as funções de ativação tangente hiperbólica - sigmoidal e logarítmica - sigmoidal, respectivamente. Obteve-se um reconhecimento superior a 99% das espécies, considerando-se uma tolerância ao erro de 2%. No segundo experimento as quatros espécies foram analisadas em combinações de três, obtendo-se, para uma tolerância de 2%, 100% de reconhecimento em todos os casos. No terceiro experimento, a faixa de números de onda analisada inicialmente foi dividida em quatro partes, cada uma foi analisada separadamente. Observou-se que a última parte analisada obteve o menor erro médio quadrático. Por fim, conclui-se que a utilização de Redes Neurais Artificiais para identificação de madeira apresentou resultados promissores, visto ser flexível aos ruídos existentes e não exigir que os dados passem por prévio tratamento estatístico antes de serem utilizados.Abstract: The identification of tree species becomes complex when it has available only your wood, which requires further analysis for their characterization. Using near infrared spectrometry is possible to determine the amount of absorption or reflection of electromagnetic radiation at certain range of wave numbers. As the amount of data provided by a spectrophotometer is large, there is a need to use mathematical and computational tools for the treatment of such information. The objective of this study is to evaluate the application of Artificial Neural Networks, with Levenberg- Marquardt's heuristic, as an auxiliary tool in the recognition of some wood species by analyzing their optical spectra obtained per device of near infrared spectroscopy in absorbance mode. Three experiments were conducted with the spectra of the species of trees Canela (Nectandra spp.), Canela Sassafrás (Ocotea odorifera), Imbuia (Ocotea porosa) and Eucalipto (Eucalyptus spp.). The specters analyzed doesn't passed by any type of statistical filter. In the first experiment, the four species were used for training and testing the network, using the sigmoidal hyperbolic tangent activation functions and sigmoidal logarithmic activation functions, respectively. Obtained a recognize over 99% of the species, considering an error tolerance of 2%. In the second experiment the four species were analyzed in combinations of three, to a tolerance of 2%, was reached 100% recognition in all cases. In the third experiment, the range of wave numbers initially analyzed was divided into four parts, each part was analyzed separately. It was observed that the last part examined had the lowest mean squared error. Finally, it is concluded that the use of neural networks to identify wood yielded promising results, since it is flexible to noise exist and do not require data undergo preliminary statistical treatment before being used.147f : il. [algumas color.], grafs., tabs.application/pdfDisponível em formato digitalRedes neurais (Computação)Espectrometria de massaMadeira - IdentificaçãoAlgorítmos de computadorAnálise NuméricaIdentificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levenberg-Marquardtinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporreponame:Repositório Institucional da UFPRinstname:Universidade Federal do Paraná (UFPR)instacron:UFPRinfo:eu-repo/semantics/openAccessORIGINALR - D - ANDRE ANASTACIO DE OLIVEIRA.pdfapplication/pdf10326462https://acervodigital.ufpr.br/bitstream/1884/32422/1/R%20-%20D%20-%20ANDRE%20ANASTACIO%20DE%20OLIVEIRA.pdf34e832c158a53b515eeb6ac5c787676cMD51open accessTEXTR - D - ANDRE ANASTACIO DE OLIVEIRA.pdf.txtExtracted Texttext/plain197110https://acervodigital.ufpr.br/bitstream/1884/32422/2/R%20-%20D%20-%20ANDRE%20ANASTACIO%20DE%20OLIVEIRA.pdf.txt0edee46cce3fee803a85662e5b71c893MD52open accessTHUMBNAILR - D - ANDRE ANASTACIO DE OLIVEIRA.pdf.jpgGenerated Thumbnailimage/jpeg1536https://acervodigital.ufpr.br/bitstream/1884/32422/3/R%20-%20D%20-%20ANDRE%20ANASTACIO%20DE%20OLIVEIRA.pdf.jpg62af16490a0897dbb2f5f3ad7c2e040cMD53open access1884/324222024-05-16 10:35:35.771open accessoai:acervodigital.ufpr.br:1884/32422Repositório de PublicaçõesPUBhttp://acervodigital.ufpr.br/oai/requestopendoar:3082024-05-16T13:35:35Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)false
dc.title.pt_BR.fl_str_mv Identificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levenberg-Marquardt
title Identificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levenberg-Marquardt
spellingShingle Identificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levenberg-Marquardt
Oliveira, André Anastácio de
Redes neurais (Computação)
Espectrometria de massa
Madeira - Identificação
Algorítmos de computador
Análise Numérica
title_short Identificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levenberg-Marquardt
title_full Identificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levenberg-Marquardt
title_fullStr Identificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levenberg-Marquardt
title_full_unstemmed Identificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levenberg-Marquardt
title_sort Identificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levenberg-Marquardt
author Oliveira, André Anastácio de
author_facet Oliveira, André Anastácio de
author_role author
dc.contributor.other.pt_BR.fl_str_mv Nisgoski, Silvana, 1974-
Universidade Federal do Paraná. Setor de Tecnologia. Programa de Pós-Graduação em Métodos Numéricos em Engenharia
dc.contributor.advisor1.fl_str_mv Siqueira, Paulo Henrique, 1976-
dc.contributor.author.fl_str_mv Oliveira, André Anastácio de
contributor_str_mv Siqueira, Paulo Henrique, 1976-
dc.subject.por.fl_str_mv Redes neurais (Computação)
Espectrometria de massa
Madeira - Identificação
Algorítmos de computador
Análise Numérica
topic Redes neurais (Computação)
Espectrometria de massa
Madeira - Identificação
Algorítmos de computador
Análise Numérica
description Orientador: Prof. Dr. Paulo Henrique Siqueira
publishDate 2013
dc.date.issued.fl_str_mv 2013
dc.date.accessioned.fl_str_mv 2024-05-16T13:35:35Z
dc.date.available.fl_str_mv 2024-05-16T13:35:35Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://hdl.handle.net/1884/32422
url https://hdl.handle.net/1884/32422
dc.language.iso.fl_str_mv por
language por
dc.relation.pt_BR.fl_str_mv Disponível em formato digital
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv 147f : il. [algumas color.], grafs., tabs.
application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPR
instname:Universidade Federal do Paraná (UFPR)
instacron:UFPR
instname_str Universidade Federal do Paraná (UFPR)
instacron_str UFPR
institution UFPR
reponame_str Repositório Institucional da UFPR
collection Repositório Institucional da UFPR
bitstream.url.fl_str_mv https://acervodigital.ufpr.br/bitstream/1884/32422/1/R%20-%20D%20-%20ANDRE%20ANASTACIO%20DE%20OLIVEIRA.pdf
https://acervodigital.ufpr.br/bitstream/1884/32422/2/R%20-%20D%20-%20ANDRE%20ANASTACIO%20DE%20OLIVEIRA.pdf.txt
https://acervodigital.ufpr.br/bitstream/1884/32422/3/R%20-%20D%20-%20ANDRE%20ANASTACIO%20DE%20OLIVEIRA.pdf.jpg
bitstream.checksum.fl_str_mv 34e832c158a53b515eeb6ac5c787676c
0edee46cce3fee803a85662e5b71c893
62af16490a0897dbb2f5f3ad7c2e040c
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPR - Universidade Federal do Paraná (UFPR)
repository.mail.fl_str_mv
_version_ 1801860184991072256

Registros relacionados