Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/40094| Título: | Classificação de imagens de árvores ipês utilizando aprendizado de máquina |
| Título(s) alternativo(s): | Image classification of ipê trees using machine learning |
| Autor(es): | Melo, Guilherme Augusto Silva de |
| Orientador(es): | Silva, Adriano Rivolli da |
| Palavras-chave: | Aprendizado do computador Classificação Arborização das cidades Machine learning Classification Trees in cities |
| Data do documento: | 28-Nov-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Cornelio Procopio |
| Citação: | MELO, Guilherme Augusto Silva de. Classificação de imagens de árvores ipês utilizando aprendizado de máquina. 2025. Trabalho de Conclusão de Curso (Bacharelado em Engenharia da Computação) - Universidade Tecnológica Federal do Paraná, Cornélio Procópio, 2025. |
| Resumo: | Este trabalho teve como objetivo desenvolver uma base de dados e um modelo de classificação para identificação de árvores Ipê, utilizando técnicas de aprendizado de máquina supervisionado. A metodologia envolveu a coleta automatizada de imagens por web scraping, a curadoria e organização do conjunto de dados e a extração de características por meio da rede Res- Net50. Como o problema foi formulado como uma tarefa de classificação binária-distinguindo entre imagens de "ipê" e "não-ipê" - diferentes classificadores foram testados, incluindo Random Forest, Decision Tree, Logistic Regression e K-Nearest Neighbors, porém o classificador Support Vector Machines (SVM) apresentou o melhor desempenho geral. Os resultados obtidos demonstram o potencial da abordagem para apoiar estudos de mapeamento ambiental e identificação automática de espécies |
| Abstract: | This work aimed to develop a dataset and a classification model for identifying Ipê trees using supervised machine learning techniques. The methodology involved automated image collection through web scraping, dataset curation and organization, and feature extraction using the Res- Net50 network. Since the problem was formulated as a binary classification task-distinguishing between images of "ipe" and "non-ipê"-different classifiers were tested, including Random Fo- rest, Decision Tree, Logistic Regression, and K-Nearest Neighbors. However, the Support Vector Machines (SVM) classifier achieved the best overall performance. The results demonstrate the potential of this approach to support environmental mapping studies and the automatic identifi- cation of species. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/40094 |
| Aparece nas coleções: | CP - Engenharia da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| classificacaoipeaprendizadomaquina.pdf | 4,79 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
