Resumo: A identificação de espécies e uma necessidade primordial para as atividades de comércio e preservacao de florestas. Entretanto, devido a escassez de dados e bases de imagens florestais, os estudos computacionais relacionados a esse tema sao raros e recentes. Outros fatores que influenciam a raridade desses estudos estao relacionados a falta de tecnicas computacionais comprovadamente eficazes para essa tarefa e ao custo para a aquisicão de imagens para a construcao das bases e modelos computacionais, uma vez que equipamentos sofisticados e caros sao utilizados. Tendo em vista esse contexto e com objetivo de minimizar os custos relacionados ao processo de identificaçao de especies florestais, e proposta uma nova abordagem para essa tarefa, com a qual a identificaçao podera ser realizada em campo e com equipamentos de baixo valor, agregando maior mobilidade e agilidade à execucao dessa tarefa. Para avaliar e validar essa proposta, foram construídas duas bases de imagens macroscópicas a partir de amostras de madeira de especies florestais encontradas no território nacional, considerando dois metodos diferentes: abordagem tradicional em laboratório e abordagem em campo, sendo esta ultima, a proposta deste trabalho. Um protocolo modular baseado na estratégia de dividir para conquistar foi proposto, nele as imagens sao divididas em subimagens, com o intuito de que problemas locais nao afetem a classificacao geral da imagem. A partir delas, sao extraídas informacoes de cor e textura que sao utilizadas para a construcão de conjuntos de treinamento, teste e validaçao de classificadores. Para extraçao desses atributos sao avaliadas diversas tecnicas consagradas como analises de cor, GLCM, histograma de borda, Fractais, LBP, LPQ e Gabor. Apos a classificação de cada conjunto de atributos das subimagens, seus resultados passam por duas camadas de fusoes (baixo e alto nível), para se chegar a decisão final de qual especie a amostra pertence. Inicialmente, a avaliaçao experimental foi realizada com a base de imagens obtidas a partir da abordagem em campo uma vez que dessa maneira os resultados sao mais conservadores devido à presenca de ruídos nos conjuntos de dados e ao naão tratamento das amostras adquiridas. A taxa de reconhecimento obtida nessa etapa foi 95,82%. Apos a validacao do metodo proposto, os modelos de classificação foram reconstruídos e avaliados a partir da base de imagens criada com a abordagem tradicional em laboratório. Com esse novo modelo, a taxa de classificaçao foi de 99,49%. A partir da analise dos resultados, observa-se a viabilidade da abordagem proposta neste trabalho, que alem de apresentar uma excelente taxa de classificaçao, muito proxima da obtida com tecnicas mais sofisticadas e de alto custo, ainda agrega a mobilidade para a classificacão de especies em campo. Ressalta-se ainda, a construcao e disponibilizacao das bases de imagens florestais, contribuindo, desta forma, para trabalhos futuros nesta area.
| Identifer | oai:union.ndltd.org:IBICT/oai:dspace.c3sl.ufpr.br:1884/29781 |
| Date | 21 March 2013 |
| Creators | Paula Filho, Pedro Luiz de |
| Contributors | Oliveira, Luiz Eduardo Soares de, 1971-, Nisgoski, Silvana, Universidade Federal do Paraná. Setor de Ciencias Exatas. Programa de Pós-Graduaçao em Informática |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/doctoralThesis |
| Format | application/pdf |
| Source | reponame:Repositório Institucional da UFPR, instname:Universidade Federal do Paraná, instacron:UFPR |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0018 seconds