Governo Federal

Dados do Trabalhos de Conclusão

UNIVERSIDADE FEDERAL DO PARANÁ
MÉTODOS NUMÉRICOS EM ENGENHARIA (40001016030P0)
IDENTIFICAÇÃO DE MADEIRAS UTILIZANDO A ESPECTROMETRIA NO INFRAVERMELHO PRÓXIMO E REDES NEURAIS COM A HEURÍSTICA DELEVEMBERG-MARQUARDT.
ANDRE ANASTACIO DE OLIVEIRA
DISSERTAÇÃO
29/07/2013

A identificação de uma espécie arbórea torna-se complexa quando tem-se à disposição apenas sua madeira, o que exige uma análise mais profunda para sua caracterização. Utilizando-se a espectrometria no infravermelho próximo é possível determinar a quantidade de absorção ou reflexão da radiação eletromagnética relativa a uma determinada faixa de números de onda. Como a quantidade de dados fornecidos pelo espectrofotômetro é grande, há a necessidade de utilizar-se ferramentas matemáticas e computacionais para o tratamento dessa informação. O objetivo deste trabalho é avaliar a aplicação de Redes Neurais Artificiais, com a heurística de Levemberg-Marquardt, como ferramenta auxiliar no reconhecimento de algumas espécies de madeira mediante a análise dos seus espectros ópticos, obtidos por aparelho de espectrometria no infravermelho próximo em modo de absorbância. Foram realizados três experimentos com os espectros das espécies de árvores Canela (Nectandra spp.), Canela Sassafrás (Ocotea odorifera), Imbuia (Ocotea porosa) e Eucalipto (Eucalyptus spp.). Os espectros analisados não passaram por nenhum tipo de filtro estatístico. No primeiro experimento, as quatro espécies foram utilizadas para o treinamento e teste da rede, utilizando-se as funções de ativação tangente hiperbólica - sigmoidal e logarítmica - sigmoidal, respectivamente. Obteve-se um reconhecimento superior a 99% das espécies, considerando-se uma tolerância ao erro de 2%. No segundo experimento as quatros espécies foram analisadas em combinações de três, obtendo-se, para uma tolerância de 2%, 100% de reconhecimento em todos os casos. No terceiro experimento, a faixa de números de onda analisada inicialmente foi dividida em quatro partes, cada uma foi analisada separadamente. Observou-se que a última parte analisada obteve o menor erro médio quadrático. Por fim, conclui-se que a utilização de Redes Neurais Artificiais para identificação de madeira apresentou resultados promissores, visto ser flexível aos ruídos existentes e não exigir que os dados passem por prévio tratamento estatístico antes de serem utilizados.

Redes Neurais Artificiais. Heurística de Levemberg-Marquardt. Identificação de madeira. Espectrometria no infravermelho próximo.
The identification of tree species becomes complex when it has available only your wood, which requires further analysis for their characterization. Using near infrared spectrometry is possible to determine the amount of absorption or reflection of electromagnetic radiation at certain range of wave numbers. As the amount of data provided by a spectrophotometer is large, there is a need to use mathematical and computational tools for the treatment of such information. The objective of this study is to evaluate the application of Artificial Neural Networks, with LevembergMarquardt's heuristic, as an auxiliary tool in the recognition of some wood species by analyzing their optical spectra obtained per device of near infrared spectroscopy in absorbance mode. Three experiments were conducted with the spectra of the species of trees Canela (Nectandra spp.), Canela Sassafrás (Ocotea odorifera), Imbuia (Ocotea porosa) and Eucalipto (Eucalyptus spp.). The specters analyzed doesn't passed by any type of statistical filter. In the first experiment, the four species were used for training and testing the network, using the sigmoidal hyperbolic tangent activation functions and sigmoidal logarithmic activation functions, respectively. Obtained a recognize over 99% of the species, considering an error tolerance of 2%. In the second experiment the four species were analyzed in combinations of three, to a tolerance of 2%, was reached 100% recognition in all cases. In the third experiment, the range of wave numbers initially analyzed was divided into four parts, each part was analyzed separately. It was observed that the last part examined had the lowest mean squared error. Finally, it is concluded that the use of neural networks to identify wood yielded promising results, since it is flexible to noise exist and do not require data undergo preliminary statistical treatment before being used.
Artificial Neural Network. Levenberg-Marquardt heuristics. Wood identification. Near infrared spectroscopy.
1
147
PORTUGUES
UNIVERSIDADE FEDERAL DO PARANÁ

Contexto

PROGRAMAÇÃO MATEMÁTICA
-
-

Banca Examinadora

PAULO HENRIQUE SIQUEIRA
Sim
Nome Categoria
GRACIELA INES BOLZON DE MUNIZ Participante Externo
DEISE MARIA BERTHOLDI COSTA Docente
LUIZ ANTONIO PEREIRA NEVES Participante Externo

Vínculo

Servidor Público
Empresa Pública ou Estatal
Ensino e Pesquisa
Não