• Login
    View Item 
    •   DSpace Home
    • BIBLIOTECA DIGITAL: Teses & Dissertações
    • 40001016030P0 Programa de Pós-Graduação em Métodos Numéricos em Engenharia
    • Dissertações
    • View Item
    •   DSpace Home
    • BIBLIOTECA DIGITAL: Teses & Dissertações
    • 40001016030P0 Programa de Pós-Graduação em Métodos Numéricos em Engenharia
    • Dissertações
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Identificação de madeiras utilizando a espectrometria no infravermelho próximo e redes neurais com a heurística de Levemberg-Marquardt

    Thumbnail
    View/Open
    R - D - ANDRE ANASTACIO DE OLIVEIRA.pdf (9.848Mb)
    Date
    2013-10-14
    Author
    Oliveira, André Anastácio de
    Metadata
    Show full item record
    Subject
    Dissertações
    xmlui.dri2xhtml.METS-1.0.item-type
    Dissertação
    Abstract
    Resumo: 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.
    URI
    http://hdl.handle.net/1884/32422
    Collections
    • Dissertações [223]

    DSpace software copyright © 2002-2016  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    Atmire NV
     

     

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsxmlui.ArtifactBrowser.Navigation.browse_typeThis CollectionBy Issue DateAuthorsTitlesSubjectsxmlui.ArtifactBrowser.Navigation.browse_type

    My Account

    LoginRegister

    Statistics

    View Usage Statistics

    DSpace software copyright © 2002-2016  DuraSpace
    Contact Us | Send Feedback
    Theme by 
    Atmire NV