Use este identificador para citar ou linkar para este item:
http://repositorio.utfpr.edu.br/jspui/handle/1/41227| Título: | Desenvolvimento de aplicativo mobile multilíngue para reconhecimento de espécies florestais de diferentes biomas |
| Título(s) alternativo(s): | Development of a multilingual mobile application for recognizing forest species from different biomes |
| Autor(es): | Shibuya, Guilherme Yudi |
| Orientador(es): | Paula Filho, Pedro Luiz de |
| Palavras-chave: | Visão por Computador Aplicativos móveis Aprendizado do computador Computer vision Mobile apps Machine learning |
| Data do documento: | 1-Jul-2025 |
| Editor: | Universidade Tecnológica Federal do Paraná |
| Câmpus: | Medianeira |
| Citação: | SHIBUYA, Guilherme Yudi. Desenvolvimento de aplicativo mobile multilíngue para reconhecimento de espécies florestais de diferentes biomas. 2026. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação) - Universidade Tecnológica Federal do Paraná, Medianeira, 2025. |
| Resumo: | O comércio ilegal de madeira representa uma das principais ameaças aos ecossistemas florestais, exigindo ações de fiscalização rigorosas. No entanto, esse processo exige uma análise visual das características macroscópicas da madeira, já que a documentação pode ser fraudada. Essa identificação demanda profissionais especializados, cujo treinamento requer tempo, além de que são escassos e nem sempre é possível atender às demandas. Diante desse cenário, a identificação das espécies florestais é fundamental para combater o desmatamento e o comércio ilegal. Uma solução portátil que auxilie na identificação pode contribuir significati vamente com o trabalho de fiscalização ambiental. Assim, este trabalho propõe a utilização de algoritmos de aprendizado profundo para a classificação de imagens de madeira, integrando posteriormente o modelo em um aplicativo móvel, com o objetivo de servir como ferramenta de apoio em campo. Foram avaliadas duas arquiteturas de aprendizado profundo: YOLOv11 e MobileViT, ambas treinadas sobre uma base de dados unificada composta por três conjuntos distintos de imagens, originalmente composto por 79 espécies, mas que, após algumas etapas de preparação, resultou em um total de 66 espécies utilizadas nos experimentos principais. Os testes indicam que o modelo YOLOv11 obteve o melhor desempenho, alcançando uma acurácia de 0,994 e um F1-score de 0,996, superando o MobileViT. Diante desses resultados, o YOLOv11 foi integrado no aplicativo móvel desenvolvido em Java, utilizando a biblioteca ONNX Runtime para a integração. Conclui-se que o desenvolvimento de uma ferramenta capaz de reconhecer espécies florestais diretamente em dispositivos móveis é viável e pode representar um importante aliado na fiscalização. |
| Abstract: | Illegal logging represents one of the main threats to forest ecosystems, demanding rigorous enforcement actions. However, this process requires visual analysis of the macroscopic characteristics of wood, as documentation can be falsified. Such identification demands trained professionals, whose training takes time, and who are often scarce and unable to meet the high demand. In this context, accurate identification of forest species is essential to combat deforestation and illegal timber trade. A portable solution capable of assisting in this identification can significantly support environmental enforcement efforts. This work proposes the use of deep learning algorithms for wood image classification, with subsequent integration of the model into a mobile application, aiming to serve as a field support tool. Two deep learning architectures were evaluated: YOLOv11 and MobileViT. Both were trained on a unified dataset composed of three distinct image collections. Originally comprising 79 species, the dataset was curated and refined, resulting in a total of 66 species used in the main experiments. The tests showed that the YOLOv11 model achieved the best performance, with an accuracy of 0.994 and an F1-score of 0.996, surpassing MobileViT. Based on these results, YOLOv11 was integrated into the mobile application developed in Java, using the ONNX Runtime library for model execution. It is concluded that developing a tool capable of recognizing forest species directly on mobile devices is feasible and can become a valuable asset in enforcement operations. |
| URI: | http://repositorio.utfpr.edu.br/jspui/handle/1/41227 |
| Aparece nas coleções: | MD - Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| aplicativomobileespeciesflorestais.pdf | 8,85 MB | Adobe PDF |  Visualizar/Abrir |
Este item está licenciada sob uma Licença Creative Commons
