Discriminação entre carvões provenientes de madeira de Eucalyptus sp e de espécies nativas por análise de imagens digitais

• Ano de defesa: 2013
• Autor(a) principal: Andrade, Bruno Geike de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa; BR; Manejo Florestal; Meio Ambiente e Conservação da Natureza; Silvicultura; Tecnologia e Utilização de; Mestrado em Ciência Florestal; UFV
• Palavras-chave em Português: Classificador de bayes; Matriz de coocorrência; Análise de textura; Bayes classifier; Co-occurrence matrix; Texture analysis; CNPQ::CIENCIAS AGRARIAS::RECURSOS FLORESTAIS E ENGENHARIA FLORESTAL::TECNOLOGIA E UTILIZACAO DE PRODUTOS FLORESTAIS
• Link de acesso: http://locus.ufv.br/handle/123456789/3126

A distinção entre carvões produzidos com madeira de eucalipto daqueles produzidos com madeira de espécies nativas é importante para a comercialização, controle e fiscalização da produção de carvão vegetal no Brasil. Este trabalho propõe a aplicação de técnicas de análise de imagens como uma nova ferramenta para auxiliar na separação do carvão de eucalipto em relação àqueles provenientes de outras espécies. Para a realização do trabalho, 18 espécies lenhosas, 6 pertencentes ao gênero Eucalyptus e 12 espécies nativas da Zona da Mata Mineira, foram estudadas. Para cada espécie foram geradas 50 imagens da seção transversal do lenho carbonizado, totalizando 300 imagens para o gênero Eucalyptus e 600 para as espécies nativas. A partir destas imagens foram produzidas 24 imagens-índice, combinação de três diferentes resoluções (número de pixels) e oito diferentes profundidades de imagem (número de bits por pixel). Em seguida, 24 classificadores bayesianos para classes gaussianas foram desenvolvidos utilizando-se características de texturas extraídas das imagens-índice por meio da técnica da matriz de coocorrência de níveis de cinza. A avaliação da classificação foi realizada segundo o método da validação cruzada deixando um vetor de características de fora da fase de treinamento. Em seguida, por meio da matriz de erros, foram obtidos os índices de Exatidão Global e Kappa que foram utilizados para avaliar a significância dos classificadores por meio de um Teste Z. Concluiu-se que os classificadores apresentaram desempenho melhor que uma classificação ao acaso, ao nível de 5% de significância. Verificou-se que os 24 classificadores desenvolvidos acertaram, em média, 98,45% das imagens testadas. A utilização da análise de imagens digitais, portanto, permitiu distinguir satisfatoriamente o carvão produzido com madeira de eucalipto daqueles produzidos com madeiras de espécies nativas.