Author(s): Silva, Jeferson Pereira Martins ; Cabacinha, Christian Dias ; Assis, Adriana Leandra ; Monteiro, Thiago Campos ; Araújo Júnior, Carlos Alberto ; Maia, Renato Dourado
Date: 2018
Origin: Oasisbr
Subject(s): Artificial intelligence; Wood density; Pilodyn; Inteligência artificial; Densidade da madeira; Pilodyn
The basic density of wood is an important property because it is related to the final product in the various uses that wood has. However, its determination demands time and costs, which justifies the use of more refined techniques for its estimation, such as artificial neural networks (ANN). The objective was to evaluate the use of artificial neural networks to estimate the basic density of species of cerrado stricto sensu with the use of Pilodyn and dendrometric variables. To compare the results obtained by ANN, regression models were adjusted. The best performing neural network was the one that used as input variables the depth of penetration (Pilodyn), species and DAP, presenting R² values of 0.72 and with root mean square error in percentage (RMSE%) of 5.69. The regression model presented R² value of 0.72 and RMSE% of 9.19. The artificial neural networks can estimate the basic wood density of species of cerrado stricto sensu studied in this study with satisfactory results.
A densidade básica da madeira é uma propriedade importante, pois está relacionada ao produto final nos diversos usos que a madeira possui. Porém, sua determinação demanda tempo e custos, o que justifica o emprego de técnicas mais refinadas para a sua estimação, como as redes neurais artificias (RNA). Objetivou-se avaliar a utilização das RNA para estimar a densidade básica de espécies do cerrado sensu stricto com o uso do aparelho Pilodyn e variáveis dendrométricas. Para comparação dos resultados obtidos pelas RNA, foram ajustados modelos de regressão. A rede neural com melhor desempenho foi a que utilizou como variáveis de entrada a profundidade de penetração (Pilodyn), espécie e o DAP, apresentando valores de R² de 0,72 e com raiz do erro quadrado médio em porcentagem (RMSE%) de 5,69. Já o modelo de regressão apresentou valor de R² de 0,72 e RMSE% de 9,19. As redes neurais artificiais conseguem estimar a densidade básica da madeira de espécies do cerrado stricto sensu com resultados satisfatórios.
