Determinação de fatores de empilhamento por meio de classificação de imagem utilizando redes neurais

Abstract

O inventário florestal busca estimar os estoques de produtos de origem florestal de um determinado local, subsidiando a tomada de decisões acerca do uso desses recursos. Sua condução requer tempo e recursos financeiros, muitas vezes expressivos. Uma alternativa para reduzir os investimentos é o emprego de novas técnicas e procedimentos, como o cálculo volumétrico de madeira empilhada utilizando fotografias digitais. Assim sendo, este estudo teve como objetivos avaliar o software NeuroDIC quanto a precisão das estimativas dos fatores de empilhamento, em 30 pilhas de madeira de eucalipto, e comparar os resultados com os fatores de empilhamento obtidos pelo software Digitora. Após as análises, verificou-se que a média dos erros relativos percentuais, definindo como a diferença entre os fatores de empilhamento obtidos utilizando as imagens parciais e àqueles observados para cada pilha, foi de -0,426 %, com leve tendência a subestimação. Contudo, a maioria das estimativas (74,6 %) concentraram-se entre ±1 %. Quando utilizada a fotografia inteira da pilha, estes valores foram ainda menores (-0,277 %), com 96,7 % das estimativas concentradas entre ±1 % de erro relativo.

The forest inventory seeks to estimate the stocks of forest products from a specific location, subsidizing decision-making about the use this resources. Its implementa tio n requires time and financial resources, often expressive. An alternative to reducing investments is the use of new techniques and procedures, such as the volumetr ic calculation of piled wood using digital photographs. Therefore, the objective of this study was to evaluate the NeuroDIC software for the accuracy of piling factors estimation in 30 eucalyptus wood stacks and to compare the results with the piling factors obtained by Digitora software. After the analyzes, it was verified that the mean relative error, defined by the difference between the piling factors obtained using the partial images and those observed for each pile was of -0.426%, with a slight tendency to underestimatio n. However, most of the estimates (74.6%) were between ± 1%. When the whole picture of the pile was used, these values were even smaller (-0.277 %), with 96.7% of the estimates concentrated between ± 1% of mean relative error.