DESEMPENHO DA TÉCNICA DEEP LEARNING NA ANÁLISE E CATEGORIZAÇÃO DE IMAGENS DE DEFEITO DE MADEIRA

Autores/as

  • Matheus Henrique Baldi Almeida Faculdade de Tecnologia de Botucatu
  • Roger Cristhian Gomes Faculdade de Tecnologia de Botucatu
  • Osvaldo Cesar Pinheiro Almeida Faculdade de Tecnologia de Botucatu
  • Adriano Wagner Ballarin Universidade Estadual Paulista Júlio de Mesquita Filho, Faculdade de Ciências Agronômicas de Botucatu https://orcid.org/0000-0002-1517-739X

DOI:

https://doi.org/10.17224/EnergAgric.2018v33n3p284-291

Resumen

A inteligência artificial tem tido grandes avanços em seu campo de pesquisa, contribuindo muito em várias áreas, como a análise e categorização de imagens digitais com o emprego de aprendizado de máquina. Existem várias técnicas específicas para o reconhecimento de imagens e sua categorização, uma dessas técnicas, que utiliza redes neurais artificiais, envolve o estudo específico, a extração das características por meio da análise de dados da imagem do objeto que está sendo analisado e a especificação de qual será o impacto dessas características no modelo neural para cada uma das categorias, o que exige a imersão do pesquisador em uma área ou campo de pesquisa que não é de seu domínio. A Deep Learning, utilizando-se das redes neurais convolucionais artificiais tem a capacidade de aprender e extrair as características durante o treinamento, sem a especificação dessas características no modelo, sendo que, geralmente, apresentam resultados melhores do que aqueles observados por modelos de redes neurais que tiveram as características observadas e programadas por humanos. O objetivo desse trabalho é aplicar a Deep Learning com auxílio da linguagem Python e duas bibliotecas chamadas Keras e NumPy, na categorização de um conjunto de imagens de tábuas de madeira, avaliando seu desempenho. Foram elaborados e avaliados alguns modelos de rede neural convolucional aplicados nesse processo, obtendo resultados promissores, sendo que o melhor deles apresentou erro de categorização na ordem de cinco por cento.

Biografía del autor/a

Roger Cristhian Gomes, Faculdade de Tecnologia de Botucatu

Graduado em Informática para Gestão de Negócios pela Faculdade de Tecnologia de Botucatu-SP. Possui mestrado em Agronomia pela Faculdade de Ciências Agronômicas da UNESP de Botucatu-SP, com dissertação desenvolvida na área de banco de dados de imagens digitais. Doutorando pela UNESP de Botucatu, com tese na área de Inteligência Artificial. Especialização em "Docência no Ensino Superior", "Engenharia de Produção " além de "Licenciatura Plena em Informática". Desde setembro de 2013 atuo como Coordenador dos cursos superiores de tecnologia em Análise e Desenvolvimento de Sistemas e Redes de Computadores da Faculdade Eduvale de Avaré-SP, atuando nos processo de reconhecimento de ambos os cursos perante o MEC. Docente no ensino superior, nas áreas de Análise e Desenvolvimento de Sistemas, desde 2010. Atua como profissional de Tecnologia da Informação desde 1993, com experiência em treinamento técnico, desenvolvimento de sistemas, além da gestão de instituições de ensino em computação.

Osvaldo Cesar Pinheiro Almeida, Faculdade de Tecnologia de Botucatu

Possui graduação em Bacharelado em Ciências de Computação pela Universidade de São Paulo (2003), mestrado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo (2006) e doutorado em Agronomia (Energia na Agricultura) pela FCA-Unesp (2014). Atualmente é docente da Faculdade de Tecnologia de Botucatu (Fatec). Tem experiência na área de Ciência da Computação, com ênfase em processamento de imagens e informática aplicada a educação, atuando principalmente nos seguintes temas: processamento de imagens, aprendizado de máquina, extração de características, wavelet e educação a distância. Tem experiência como analista de sistema em desenvolvimento de sistemas web, com ênfase na aplicação de tecnologias JAVA.

Adriano Wagner Ballarin, Universidade Estadual Paulista Júlio de Mesquita Filho, Faculdade de Ciências Agronômicas de Botucatu

Engenheiro Civil pela Escola de Engenharia de São Carlos - Universidade de São Paulo (1983), tem mestrado em Engenharia Civil Estruturas pela Universidade de São Paulo (1989) e doutorado em Engenharia Civil Estruturas pela Universidade de São Paulo (1993). É professor titular da Universidade Estadual Paulista Júlio de Mesquita Filho. Foi coordenador do Programa de Pós-graduação em Agronomia - Energia na Agricultura (2012-2017). Tem experiência na área de Recursos Florestais e Engenharia Florestal, com ênfase em Propriedades Fisico-Mecânicas da Madeira, atuando principalmente nos seguintes temas: caracterização físico-mecânica da madeira e seus produtos, ensaios não-destrutivos, qualidade da madeira e dormentes de madeira

Publicado

2018-11-27

Cómo citar

Almeida, M. H. B., Gomes, R. C., Almeida, O. C. P., & Ballarin, A. W. (2018). DESEMPENHO DA TÉCNICA DEEP LEARNING NA ANÁLISE E CATEGORIZAÇÃO DE IMAGENS DE DEFEITO DE MADEIRA. Energia Na Agricultura, 33(3), 284–291. https://doi.org/10.17224/EnergAgric.2018v33n3p284-291

Número

Sección

Procesamiento y Balance Energético de Productos y Derivados Agropecuarios