Das Montanhas de Minas ao Oceano: Os Caminhos da Ciência para um Futuro Sustentável
20 a 25 de outubro de 2025
Trabalho 21191
| ISSN | 2237-9045 |
|---|---|
| Instituição | Universidade Federal de Viçosa |
| Nível | Graduação |
| Modalidade | Pesquisa |
| Área de conhecimento | Ciências Exatas e Tecnológicas |
| Área temática | Dimensões Ambientais: ODS12 |
| Setor | Departamento de Tecnologia de Alimentos |
| Bolsa | Não se Aplica |
| Conclusão de bolsa | Sim |
| Apoio financeiro | Outros |
| Primeiro autor | Ester Freitas Laurenço |
| Orientador | MOYSES NAVES DE MORAES |
| Outros membros | ANGELICA DE CASSIA OLIVEIRA CARNEIRO, Benedito Rocha Vital, Daniel Freire Júnior, RODOLPHO VILELA ALVES NEVES |
| Título | Uso de Deep Learning para Diferenciação de Carvão Proveniente de Espécies Nativas e Plantadas |
| Resumo | A diferenciação entre carvão vegetal oriundo de espécies nativas e de espécies plantadas representa um desafio crítico para o monitoramento da cadeia produtiva e para o combate à exploração ilegal de madeira, especialmente no contexto brasileiro, onde há crescente demanda por métodos de rastreabilidade mais eficientes e automatizados. Este trabalho propõe o uso de técnicas de aprendizado profundo (Deep Learning) para classificação de imagens de carvão vegetal com base na origem da madeira utilizada, sendo ela nativa ou plantada. Para isso, foi utilizada a arquitetura convolucional VGG-16, amplamente validada na literatura por sua robustez em tarefas de classificação de imagens. O modelo foi treinado a partir de um conjunto de 360 imagens de carvão, cedidas pelo LAPEM (Laboratório de Propriedades e Energia da Madeira) da Universidade Federal de Viçosa, garantindo a qualidade e fidelidade dos rótulos utilizados. As imagens foram padronizadas e submetidas a etapas de pré-processamento e aumento de dados (data augmentation), visando mitigar os efeitos de sobreajuste e melhorar a generalização do modelo. Os resultados obtidos demonstram uma acurácia de 92,8% na fase de teste, indicando o elevado potencial da abordagem para aplicação em sistemas de triagem automatizada. Este estudo evidencia a viabilidade do uso de redes neurais convolucionais para a diferenciação não destrutiva de carvões vegetais com base em imagens, oferecendo uma alternativa promissora às abordagens manuais, que demandam tempo, expertise especializada e apresentam maior suscetibilidade a erros humanos. O uso de deep learning neste contexto representa um avanço significativo no monitoramento da cadeia produtiva do carvão vegetal, com potencial para aplicação em sistemas de fiscalização ambiental, rastreabilidade e certificação de origem. Com a expansão do banco de dados e o aprimoramento da arquitetura, espera-se alcançar modelos ainda mais robustos, capazes de operar em tempo real e integráveis a sistemas móveis ou dispositivos de inspeção em campo. A proposta alinha-se às crescentes demandas por tecnologias mais sustentáveis e eficazes no controle da origem da biomassa florestal, contribuindo diretamente para o fortalecimento de políticas públicas voltadas à conservação ambiental e ao combate ao desmatamento ilegal no Brasil. |
| Palavras-chave | Carvão vegetal, Redes Neurais Convolucionais, Rastreabilidade florestal |
| Forma de apresentação..... | Painel |
| Link para apresentação | Painel |
|---|