Estudo métodos de extração de características para a classificação de espécies florestais

Detalhes bibliográficos
Autor(a) principal: Condezo, Yuri Estrella
Data de Publicação: 2014
Outros Autores: Kapp, Marcelo Nepomoceno
Tipo de documento: Artigo de conferência
Idioma: por
Título da fonte: Repositório Institucional da UNILA
Texto Completo: https://dspace.unila.edu.br/handle/123456789/1116
Resumo: Anais do III Encontro de Iniciação Científica da Unila - Sessão de Engenharia de Energias Renováveis - 06/11/14 – 15h50 às 18h30 - Unila-PTI - Bloco 09 – Espaço 02 – Sala 02
id UNIL_0d9250dc4f99ae1aa7ed21ebbc685df5
oai_identifier_str oai:dspace.unila.edu.br:123456789/1116
network_acronym_str UNIL
network_name_str Repositório Institucional da UNILA
repository_id_str 3636
spelling Estudo métodos de extração de características para a classificação de espécies florestaisMétodos de reconhecimentoExtração de característicasClassificaçãoEspécies florestaisAnais do III Encontro de Iniciação Científica da Unila - Sessão de Engenharia de Energias Renováveis - 06/11/14 – 15h50 às 18h30 - Unila-PTI - Bloco 09 – Espaço 02 – Sala 02Neste trabalho foram investigados diferentes métodos de extração de características para o desenvolvimento de um sistema para o reconhecimento automático de espécies florestais. Neste tipo de sistema, uma imagem digitalizada de uma madeira é utilizada como entrada e a espécie florestal da tábua é automaticamente informada como saída. Os métodos implementados foram: GLCM (Gray Level Co-Occurence Matrix), LBP (Local Binary Pattern), e LPQ (Linear Phase Quantization). A base de dados utilizada contém 2.240 imagens pertencentes a 112 espécies florestais distintas (20 imagens por espécie), que foram catalogadas pelo Laboratório de Anatomia de Madeira da UFPR. As imagens foram capturadas com um microscópio Olympus Cx40, usando um zoom de 100x, e salvas no formato PNG (do inglês Portable Network Graphics) com uma resolução de 1024x768 pixels. Para calcular a precisão de reconhecimento atingida, após cada extração, a amostra foi categorizada em uma espécie utilizando um classificador chamado K-NN (K-Nearest Neighbor). As performances alcançadas variaram de apenas 41.37%, para GLCM com 5-NN, até 83.04% por meio da técnica LPQ com 1-NN. Portanto, tal estudo permitiu conhecer cada técnica, suas limitações e performances no problema em questão, bem como abriu caminhos para novas investigações, principalmente em relação a técnica LPQ com variações de tamanhos e tipos de janelas.Bolsista da Fundação Araucária ; Universidade Federal da Integração Latino-Americana (UNILA)2014-11-06info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionapplication/pdfhttps://dspace.unila.edu.br/handle/123456789/1116porinfo:eu-repo/semantics/openAccessCondezo, Yuri EstrellaKapp, Marcelo Nepomocenoreponame:Repositório Institucional da UNILAinstname:Universidade Federal da Integração Latino-Americana (UNILA)instacron:UNILA2024-05-11T13:38:36Zoai:dspace.unila.edu.br:123456789/1116Repositório InstitucionalPUBhttp://dspace.unila.edu.br/oai/requestopendoar:36362024-05-11T13:38:36Repositório Institucional da UNILA - Universidade Federal da Integração Latino-Americana (UNILA)false
dc.title.none.fl_str_mv Estudo métodos de extração de características para a classificação de espécies florestais
title Estudo métodos de extração de características para a classificação de espécies florestais
spellingShingle Estudo métodos de extração de características para a classificação de espécies florestais
Condezo, Yuri Estrella
Métodos de reconhecimento
Extração de características
Classificação
Espécies florestais
title_short Estudo métodos de extração de características para a classificação de espécies florestais
title_full Estudo métodos de extração de características para a classificação de espécies florestais
title_fullStr Estudo métodos de extração de características para a classificação de espécies florestais
title_full_unstemmed Estudo métodos de extração de características para a classificação de espécies florestais
title_sort Estudo métodos de extração de características para a classificação de espécies florestais
author Condezo, Yuri Estrella
author_facet Condezo, Yuri Estrella
Kapp, Marcelo Nepomoceno
author_role author
author2 Kapp, Marcelo Nepomoceno
author2_role author
dc.contributor.author.fl_str_mv Condezo, Yuri Estrella
Kapp, Marcelo Nepomoceno
dc.subject.por.fl_str_mv Métodos de reconhecimento
Extração de características
Classificação
Espécies florestais
topic Métodos de reconhecimento
Extração de características
Classificação
Espécies florestais
description Anais do III Encontro de Iniciação Científica da Unila - Sessão de Engenharia de Energias Renováveis - 06/11/14 – 15h50 às 18h30 - Unila-PTI - Bloco 09 – Espaço 02 – Sala 02
publishDate 2014
dc.date.none.fl_str_mv 2014-11-06
dc.type.driver.fl_str_mv info:eu-repo/semantics/conferenceObject
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
format conferenceObject
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://dspace.unila.edu.br/handle/123456789/1116
url https://dspace.unila.edu.br/handle/123456789/1116
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:Repositório Institucional da UNILA
instname:Universidade Federal da Integração Latino-Americana (UNILA)
instacron:UNILA
instname_str Universidade Federal da Integração Latino-Americana (UNILA)
instacron_str UNILA
institution UNILA
reponame_str Repositório Institucional da UNILA
collection Repositório Institucional da UNILA
repository.name.fl_str_mv Repositório Institucional da UNILA - Universidade Federal da Integração Latino-Americana (UNILA)
repository.mail.fl_str_mv
_version_ 1805285238032564224

Registros relacionados