Facebook Twitter RSS

Avanço e Pesquisa

Versão para impressão
A-
A+


14/05/2015

Processamento de imagens digitais e aprendizado de máquina na classificação de tábuas de madeira

Tese apresentada à Faculdade de Ciências Agronômicas da Universidade Estadual Paulista - Júlio de Mesquita Filho - Campus de Botucatu, de autoria de Osvaldo César Pinheiro de Almeida, relata sobre a Classificação de tábuas de madeira usando processamento de imagens digitais e aprendizado de máquina.

Tábua de Pinus Bruta / Foto: Seoze
O setor madeireiro no Brasil representa um forte componente da economia nacional. Ele é classificado como parte da indústria de transformação e participa significativamente no Produto Interno Bruto (PIB) brasileiro. A produção do setor de base florestal, em sua cadeia produtiva, industrial e comercial teve uma participação de aproximadamente 1,5% do PIB em 2012. A indústria de madeira processada mecanicamente participou da geração de aproximadamente 0,3% do PIB nacional (ABIMCI, 2013). Para continuar representando de maneira significativa seu papel nacional, o setor de madeira processada mecanicamente visa a contínua modernização, buscando a melhoria dos processos em sua cadeia produtiva e a geração de produtos de maior qualidade. Nesse aspecto, o setor de madeira serrada (componente do setor de madeira processada mecanicamente), de maneira geral, ainda apresenta baixo nível de mecanização e automação em seus processos. Isso resulta em um baixo rendimento produtivo e, conseqüentemente, em perda financeira (ABIMCI, 2003).
Um dos processos que podem ser automatizados durante a produção de madeira serrada é a classificação da qualidade da madeira. Essa classificação se baseia, principalmente, na quantidade e tipos de defeitos observados na madeira. Segundo Kline et al. (2003), graduadores humanos, que classificam madeira, possuem uma taxa de acerto em torno de 48%. Isso indica um baixo índice de acertos no processo não automatizado. Processos automatizados procuram aumentar esse nível de acertos, para que a caracterização qualitativa da madeira seja mais confiável e, conseqüentemente, haja um ganho no valor agregado das madeiras com alta qualidade.
Diante deste contexto e levando em consideração que a automatização do processo de classificação de tábuas de madeira têm um papel importante na evolução tecnológica dos processos produtivos de serrarias, o objetivo desse trabalho foi o desenvolvimento de um sistema de classificação de tábuas de madeira de coníferas usando técnicas de processamento de imagens e aprendizado de máquinas. 
A partir de imagens de tábuas de madeira de Pinus foram realizados pré-processamentos, de maneira que as imagens fossem subdivididas em imagens menores. Em seguida foram extraídas as principais informações da imagem por meio de técnicas de análise de cor, usando o percentil das bandas de cor, e de textura, usando wavelet de Gabor. Essas informações foram usadas para criar modelos de classificação dos defeitos da tábua a partir do aprendizado de máquinas SVM – Support Vector Machine e redes neurais, onde cada imagem foi classificada como sendo madeira limpa (com ausência de defeitos) ou com nó. A consolidação dos defeitos identificados na tábua serviu de base para a criação de modelos de classificação da qualidade da tábua por meio do aprendizado SVM, redes neurais e do algoritmo C5.0. Os aprendizados de máquina SVM e rede neural aplicados à imagens de 32x32 pixels apresentaram taxa de acerto de 97% e 95%, respectivamente. O modelo gerado pela SVM foi usado para classificar mais de 25.000 imagens de 32x32 pixels, originadas de 200 tábuas, que em seguida passaram pela classificação por SVM, rede neural e árvore de decisão gerado pelo algoritmo C5.0, obtendo taxas de acerto de 80%, 81% e 84%, respectivamente. Os resultados mostram a potencialidade das técnicas de processamento de imagens aliadas às técnicas de aprendizado de máquina para a classificação de defeitos em madeira serrada de Pinus, assim como a classificação da madeira segundo seu nível de qualidade.
 
 
 
 


Fonte: Camila Oliveira Batista - Bolsista BIC: Biblioteca Florestal Digital



Publicidade


Deixe seu comentário no espaço abaixo ou clique aqui e fale conosco.


Nome: Email (não aparecerá no site):




Comentário(s) (1)


Fn1Yix5GN6iS disse:

15/11/2015 às 05:11

Hey Guys I am beginning to set up a QuickBooks file for our non-profit conmpay. However all of the past expenses for 07 and 06. were written out of my personal checking, 2006?s expenses totaled only under 1000 ( such as legal fees, mailing, ect ). Should I only start with the current year? Also how would I record the expenses if there was no activity in the business checking account or owner?s capital contributions ?

Novidades do Site


Quer divulgar sua empresa ou está buscando uma empresa florestal?

As mais lidas


Pensamento

A melhor maneira de realizar os seus sonhos é acordar.
Paul Valéry

Vídeo

Bureau de Inteligência

Análise Conjuntural
Editais
Produções Técnicas

Patentes
Cartilha Florestal
Legislação



Publicidade

Mercado

Cotações
Câmbio
Mapa Empresarial


Enquete

Do ponto de vista técnico e operacional, qual é a melhor unidade para comercialização da madeira para carvão?

volume de madeira sólida (metro cúbico)
tonelada de madeira
metro estéreo ou metro de lenha
unidade ou peças de madeira

Receba no seu email

Análise Conjuntural

Estudo e análise de especialista sobre o mercado de florestas.

Newsletter

Receba as novidades do setor de florestas no seu email.

Nuvem de Tags


3158 visitas nesta página

Polo de Excelência em Florestas

Parceiros

AMS  |   ECOTECA DIGITAL  |   EMBRAPA FLORESTAS  |   EPAMIG  |   FAEMG  |   INTERSIND  |   LARF  |   MAIS FLORESTAS  |   MAPA  |   SEAPA  |   SEBRAE  |   SECTES  |   SEDE  |   SEMAD  |   SIF  |   UFLA  |   UFV  |   UFVJM  |   UNIFEMM  |  

Colaboradores

ACELERADORA DE  |   AGROBASE  |   AGROMUNDO  |   APABOR  |   BRACELPA  |   CIENTEC  |   FAPEMIG  |   FINEP  |   IEF  |   LATEKS  |   PAINEL FLORESTAL  |   TRATALIPTO  |   UFV JR. FLORESTAL  |  
Desenvolvido por Ronnan del Rey