Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/39584| Título: | Reconhecimento de espécies florestais brasileiras ameaçadas com aprendizagem de máquina |
| Título(s) alternativo(s): | Recognition of threatened Brazilian forest species using machine learning |
| Autor(es): | Silva, César Gabriel Block Cardoso da |
| Orientador(es): | Maruyama, Teruo Matos |
| Palavras-chave: | Redes neurais (Computação) Aprendizado do computador Botânica - Classificação Neural networks (Computer science) Machine learning Botany - Classification |
| Data do documento: | 2-Dez-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Dois Vizinhos |
| Citação: | SILVA, César Gabriel Block Cardoso da. Reconhecimento de espécies florestais brasileiras ameaçadas com aprendizagem de máquina. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - Universidade Tecnológica Federal do Paraná, Dois Vizinhos, 2025. |
| Resumo: | Este trabalho apresenta um modelo para o reconhecimento de espécies florestais brasileiras a partir de imagens macroscópicas de texturas de madeira. A abordagem combina Inceptio_v3 como extrator de características e Random Forest como classificador. O foco do trabalho foi a avaliação de técnicas de aumentação e pré-processamento, com destaque nos resultados da divisão das imagens em pedaços menores, a fim de reduzir distorções causadas pelo redimensionamento e enriquecer o dataset. O modelo alcançou um F1-Score médio de 97,41%. Espera-se que este estudo contribua para o combate ao manejo ilegal de espécies ameaçadas e facilite o processo de conservação ambiental por meio do monitoramento dos ecossistemas. |
| Abstract: | This work presents a model for the recognition of Brazilian forest species from macroscopic images of wood textures. The approach combines Inception v3 as a feature extractor and Random Forest as the classifier. The main goal of this work was to evaluate augmentation and preprocessing techniques, with especially good results on splitting the images into smaller patches in order to reduce distortions caused by resizing and enrich the dataset. The model achieved an average F1-Score of 97.41%. It is expected that this study will contribute to combating the illegal harvesting of endangered species and support environmental conservation efforts through ecosystem monitoring. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/39584 |
| Aparece nas coleções: | DV - Engenharia de Software |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| reconhecimentoespeciesflorestaisameacadas.pdf | 1,13 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
