Escolar Documentos
Profissional Documentos
Cultura Documentos
Sistemas - Neuro
Sistemas - Neuro
12858-2
NeuroForest
12859-4
Otimizador de Toras - OT
12860-3
13409-6
NeuroForest Star
13410-5
FitFD
13408-4
Select
13411-0
SiteIndex
13407-2
NeuroForest 3
Desde a introduo de tcnicas de regresso no manejo florestal, estas tm sido utilizadas para
a estimao do volume e altura de rvores, predio ou projeo do volume de povoamentos em
idades futuras, dentre outras funes, gerando na maioria dos casos estimativas consistentes.
A estimao do volume de rvores comumente feita pela correlao do volume total com
variveis facilmente mensurveis como altura e dimetro a 1,3 m de altura (dap). O modelo de
Schumacher e Hall (1933) predominante na rea florestal devido a suas propriedades estatsticas,
facilidade de ajuste e uso, alm da gerao de estimativas de boa qualidade.
A utilizao de redes neurais artificiais (RNA) tem se mostrado uma alternativa promissora
em relao s tcnicas de regresso para no manejo dos recursos florestais. Diversos trabalhos tm
sido desenvolvidos visando sua adaptao e parametrizao para diversas situaes como a estimao
do volume de rvores, crescimento e produo e taper, dentre outras aplicaes.
Redes neurais artificiais (RNA) so aproximaes brutas das redes e neurnios encontrados
no crebro humano. Do ponto de vista prtico, uma rede neural artificial consiste em vrias unidades
de processamento simples (neurnios artificiais) conectadas entre si e dispostas em camadas
formando um sistema computacional paralelo para executar uma determinada tarefa.
A soluo de problemas atravs de RNA bastante atrativa, devido forma como so
representados internamente pela rede e o paralelismo inerente arquitetura das RNA criam a
possibilidade de um desempenho superior ao dos modelos convencionais. O procedimento usual em
RNA inicia-se na fase de aprendizagem ou treinamento, em que um conjunto de exemplos de um
problema apresentado rede que extrai as caractersticas necessrias para representar a informao
fornecida e gerar respostas para o problema. Posteriormente verifica-se a qualidade do treinamento e
capacidade de generalizao da rede, ou seja, a capacidade da rede dar respostas coerentes para dados
no utilizados na fase de aprendizagem.
Os estudos na rea de RNA se justificam por diversas propriedades teis e capacidades como:
tolerncia a falhas (defeitos na implementao em hardware), tolerncia a rudos (outliers),
aprendizagem e generalizao, paralelismo macio que as tornam muito eficientes, uniformidade de
anlise e projeto, analogia neurobiolgica, capacidade de modelar relaes multivariveis e nolineares, facilidade em tratar variveis qualitativas na modelagem e resultados superiores em relao
aos mtodos convencionais.
O NeuroForest 3.0 um software interativo de alta performance voltado para aplicao de
Redes Neurais Artificiais. Permite construir redes neurais totalmente personalizveis (por exemplo,
modificar camadas ocultas, o nmero de elementos de processamento e o algoritmo de aprendizagem)
ou escolher entre vrias arquiteturas de redes neurais pr-definidas.
Podendo ser executado em qualquer sistema operacional (Windows, Mac ou linux) permite a
portabilidade do sistema e utilizao e resoluo de RNAs robustas no sendo dessa forma limitado
por caractersticas do sistema operacional.
As solues desenvolvidas podem ser implantadas em outros sistemas, encapsulando a rede
neural em uma DLL e inseri-la em um arquivo do Excel ou Access. O sistema possui integrao
completa com qualquer sistema de coleta de dados e inventrio florestal.
Select
As estimativas dos modelos de crescimento e produo so extremamente influenciadas pela
qualidade da amostra e das propriedades estatsticas dos modelos utilizados, bem como sua forma de
utilizao e obteno.
A utilizao de dados de inventrio florestal para a construo de modelos de crescimento e
produo uma alternativa inexistncia de parcelas de prognose na maioria das empresas do setor
florestal brasileiro. Esse fato pode resultar em grande frequncia de informaes em torno da mdia e
pouca representatividade das regies extremas. Entretanto o processo de seleo de parcelas uma
alternativa vivel para a obteno de parcelas em todas as classes de produtividade.
A amostragem seletiva de parcelas garante a representatividade de todas as classes de
produtividade, contudo o processo de obteno aleatria das parcelas pode ser ineficiente, no
garantindo a obteno de um modelo representativo da regio. Processos de busca heurstica podem
ser utilizados para a definio das parcelas para ajuste de modelos que apresentem as melhores
estimativas para todos os dados. Entretanto a utilizao desse processo prejudicada pela inexistncia
de ferramentas computacionais que auxiliem nessa tarefa.
O Programa Select utiliza-se de tcnicas de Pesquisa Operacional para a escolha de parcelas
para o ajuste de modelos de predio e projeo da produo que gerem o melhor resultado e ajuste
aos dados. O sistema automaticamente realiza a seleo e o ajuste dos modelos de crescimento e
produo. Diversos destes modelos so cadastrados no sistema, permitindo flexibilidade na escolha e
ajuste.
O Sistema permite reduzir os custo do Inventrio florestal em mais de 50% com a diminuio
das medies das parcelas que no so significativas para os modelos de crescimento de produo.
Figura 1 - (a) Tela inicial do aplicativo Charcoal ID; (b) Tela demonstrando as imagens de carvo
vegetal a serem classificadas.
Figura 3 - Tela demonstrando as imagens de carvo vegetal de eucalipto Azul e imagem de uma
espcie nativa em branco.
Droid Quality
Algumas vezes necessrio conduzir um inventrio antes do povoamento completar os
primeiros meses de idade. Esse inventrio visa avaliar o estado inicial do plantio e verificar a
necessidade de alguma medida corretiva.
O sistema Droid Quality permite avaliar a qualidade inicial dos plantios, identificando
reboleiras, nmero de falhas, dentre outras informaes relevantes para a tomada de deciso. A
utilizao dessa ferramenta permite a obteno de informaes com uma grande velocidade e
confiabilidade.
Abaixo apresentado um recorte de fotografia e sua respectiva imagem classificada,
demonstrando a eficincia do sistema na realizao do inventrio de sobrevivncia. Os pontos azuis
indicam as mudas podendo observar as falhas de plantio.