Rede neural convolucional classificadora de espécies de madeiras

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorPereira, André Maués Brabo-
Autor(es): dc.contributorhttp://lattes.cnpq.br/2778417967776066-
Autor(es): dc.contributorVianna, Rafael da Silva-
Autor(es): dc.contributorhttp://lattes.cnpq.br/4066937888875038-
Autor(es): dc.contributorCataldi, Marcio-
Autor(es): dc.contributorhttp://lattes.cnpq.br/7262670454819823-
Autor(es): dc.contributorBrandes, Arno Fritz das Neves-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8032954971431439-
Autor(es): dc.creatorPinto, Diogo Ledermann Firmino-
Data de aceite: dc.date.accessioned2024-07-11T17:34:50Z-
Data de disponibilização: dc.date.available2024-07-11T17:34:50Z-
Data de envio: dc.date.issued2024-07-04-
Data de envio: dc.date.issued2024-07-04-
Fonte completa do material: dc.identifierhttps://app.uff.br/riuff/handle/1/32975-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/753182-
Descrição: dc.descriptionA 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-
Descrição: dc.descriptionIllegal 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% accuracy-
Descrição: dc.description44 f.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Direitos: dc.rightsOpen Access-
Direitos: dc.rightsCC-BY-SA-
Palavras-chave: dc.subjectComércio ilegal de madeira-
Palavras-chave: dc.subjectMétodos computacionais-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectExploração da madeira-
Palavras-chave: dc.subjectInteligência artificial-
Palavras-chave: dc.subjectRede neural-
Palavras-chave: dc.subjectIllegal logging-
Palavras-chave: dc.subjectComputational methods-
Palavras-chave: dc.subjectArtificial intelligence-
Título: dc.titleRede neural convolucional classificadora de espécies de madeiras-
Tipo de arquivo: dc.typeTrabalho de conclusão de curso-
Aparece nas coleções:Repositório Institucional da Universidade Federal Fluminense - RiUFF

Não existem arquivos associados a este item.