Redes neuro-fuzzy adaptativas (ANFIS) aplicadas na inspeção visual de materiais ligno-celulósicos
Carregando...
Data
2015-09-01
Autores
Oliveira, Luis Felipe Amaral de [UNESP]
Affonso, Carlos de Oliveira [UNESP]
Vieira, Fábio Henrique Antunes [UNESP]
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista (Unesp)
Resumo
Wood visual classification have a direct influence on its final use as a product, so the adoption of this stage in sawmills is a way to add value to this product. This paper aim to evaluate the KNN method (K-Nearest Neighbor) for wood visual classification in three qualities for creating a low cost equipment for local sawmills. The results show that this algorithm is effective only for the classification of quality wood A.
A classificação visual da madeira têm influência direta no seu uso final como produto, por isso, a adoção desta classificação por serrarias é uma maneira de agregar valor a este produto. Este trabalho têm como objetivo avaliar o método KNN (K-Nearest Neighbor) para classificação visual da madeira em três qualidades para criação de um equipamento de baixo custo para as serrarias locais. Os resultados mostram que este algoritmo foi eficaz apenas na classificação das madeiras de qualidade A.
A classificação visual da madeira têm influência direta no seu uso final como produto, por isso, a adoção desta classificação por serrarias é uma maneira de agregar valor a este produto. Este trabalho têm como objetivo avaliar o método KNN (K-Nearest Neighbor) para classificação visual da madeira em três qualidades para criação de um equipamento de baixo custo para as serrarias locais. Os resultados mostram que este algoritmo foi eficaz apenas na classificação das madeiras de qualidade A.
Descrição
Palavras-chave
KNN, Quality, Wood, KNN, Qualidade, Madeira
Como citar
8º Congresso de extensão universitária da UNESP, p. 1-4, 2015.