Recognition of Forest Timber Species Using Convolutional Neural Networks.

Abstract

Tree recognition depends on the presence of the plant’s morphological characteristics, such as leaves, flowers, roots, stems, and trunks. However, the transformation of a tree into processed timber eliminates these botanical characteristics. In this context, wood anatomy analysis becomes an alternative method for recognition when other characteristics are absent. The objective of this study was to demonstrate the performance of a convolutional neural network in recognizing, through wood anatomy, seven specimens identified at the species level (Bertholletia excelsa Bonpl., Cariniana estrellensis (Raddi) Kuntze, Erisma uncinatum Warm., Manilkara huberi (Ducke) A. Chev., Mezilaurus itauba (Meisn.) Taub. ex Mez, Grevillea robusta A. Cunn. ex R. Br., and Melia azedarach L.) and three taxa identified at the genus level (Hymenaea sp. Mart., Dipteryx sp. Aubl., and Machaerium sp. Pers.). The images used were collected from the “Forest Species Database - Macroscopic,” provided by the Robotics Vision and Image Laboratory of the Federal University of Paraná (UFPR). A total of 550 images of wood anatomy in JPG format, with a resolution of 3264 × 2448 pixels, were used. Through tests conducted with the developed convolutional neural network, confusion matrix, precision, recall, and F1-score metrics were obtained. The results demonstrated the feasibility of recognizing timber forest species using artificial intelligence (AI) through convolutional neural networks, achieving an accuracy of 90% in the conducted tests, demonstrating this technology as a promising tool for timber forest species recognition.

Keywords

Similaridade, Inteligência Artificial, Madeira.
Similarity; Artificial Intelligence; Wood
Similitud; Inteligencia Artificial; Madera

References

  1. Brasil. Lei n. º 9.605, de 12 de fevereiro de 1998. Presidência da República, Brasília (2021).
  2. J.T.S. Oliveira. Propriedades físicas e mecânicas da madeira. In: J.T.S. Oliveira; N.C. Fiedler; M. Nogueira (orgs.). Tecnologias aplicadas ao setor madeireiro. Suprema Gráfica e Editora Ltda., Visconde do Rio Branco: 129–163 (2007).
  3. P.C. Botosso. Identificação macroscópica de madeiras: guia prático e noções básicas para o seu reconhecimento. Embrapa Florestas, Colombo (2011).
  4. L.K.V. dos S. Souza; L.N. Coelho. Identificação de madeiras. UFOPA, Santarém (PA): 29 p. (2024).
  5. R. Ceccon. Aplicações de redes neurais convolucionais para classificação de imagens. Rev. Comput. Int. Artif. 10(2): 123–145 (2020).
  6. E. Teodoro. Redes Neurais. Network Technologies (Nova Odessa) 1/2(1/2): 57–70 (2003).
  7. S. Haykin. Redes neurais: princípios e práticas. 2. ed. Bookman, São Paulo (2001).
  8. L.K.V. dos S. Souza; L.N. Coelho. Identificação de madeiras. UFOPA, Santarém (PA): 29 p. (2024).
  9. D. Mariano. Métricas de avaliação em machine learning: acurácia, sensibilidade, precisão, especificidade e F-score. Rev. Bras. Bioinform. Biol. Comput. (2021).
  10. Serviço Florestal Brasileiro (SFB). Características e identificação de madeira. Brasília: SFB (2022).
  11. Instituto de Pesquisas Tecnológicas (IPT). Caracterização anatômica das madeiras do gênero Hymenea. São Paulo: IPT (2023).
  12. R.F. Cury; M.E. Filho. Características anatômicas da madeira de Cariniana estrellensis. Rev. Bras. Bot. 34(3): 345–356 (2011).
  13. D.A. Siegloch; Outros autores. Características anatômicas da madeira de Melia azedarach. Rev. Bras. Bot. 38(4): 445–459 (2015).
  14. A.S. Amorim; S.M. Arruda. Características anatômicas da madeira de Erisma uncinatum. Rev. Ciênc. Florest. 28(2): 123–135 (2017).
  15. Empresa Brasileira de Pesquisa Agropecuária (Embrapa). Informação Tecnológica, Brasília (2021).
  16. J.R. Neta. Anatomia e identificação de madeiras da Amazônia. 1. ed. Editora Amazônica, Manaus (2023).
  17. R.C. Alves. Elaboração de um atlas e de uma chave para identificação das principais madeiras comercializadas no estado do Espírito Santo. TCC – Universidade Federal do Espírito Santo, Centro de Ciências Agrárias, Departamento de Engenharia Florestal, Espírito Santo (2010).
  18. R.A. Jacomé. Características anatômicas da madeira do gênero Dipteryx. Rev. Bras. Bot. 45(2): 200–215 (2021).
Creative Commons License

This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Copyright (c) 2025 Brazilian Journal of Criminalistics

Share

Download

pdf (Português (Brasil))

Author(s)

  • Raab Silva Noleto,
  • José Alberto Silva de Sá,
  • Zanderluce Gomes Luis,
  • Fernanda Carla Lima Ferreira,

    • Raab Silva Noleto

    Unifesspa

    https://orcid.org/0000-0003-3266-7451

    Graduada em Engenharia Florestal pela Universidade do Estado do Pará, especialista em Recomposição de Áreas Degradadas e Alteradas pelo Instituto Federal do Pará, mestre em Ciências Forenses pela Unifesspa, mestre em Políticas Públicas pela Flacso e Doutoranda em Ciências Florestais pela Universidade Federal Rural da Amazônia (UFRA). Atuo na elaboração de Projetos de Recuperação de Áreas Degradadas, perícias ambientais, avaliações de imóveis rurais e na defesa em processos de autuações e embargos ambientais, além de, atuar na pesquisa cientifica na área de tecnologia da madeira

    José Alberto Silva de Sá

    Unifesspa

    https://orcid.org/0000-0002-2023-0888

    Possui graduação em Ciências Biológicas pela Universidade Federal de Goiás, Mestrado e Doutorado em Botânica pela Universidade de Brasília (2013). Pós-doutorado em Biotecnologia Vegetal pela Embrapa Recursos Genéticos e Biotecnologia - CENARGEN (2015). Atualmente é professora de Magistério Superior na Universidade Federal do Sul e Sudeste do Pará (Unifesspa). Tem experiência na área de Botânica, com ênfase em anatomia vegetal e fisiologia vegetal, atuando principalmente nos seguintes temas: fisiologia do desenvolvimento vegetal, propagação in vitro de plantas e conservação ex situ e morfogênese in vitro.

    Zanderluce Gomes Luis

    UEPA

    https://orcid.org/0000-0002-8703-8532

    José Alberto Silva de Sá nasceu em Belém-Pará-Brasil, em 1968. Graduouse em engenharia civil pela UNESPA, atual Universidade da Amazônia (UNAMA), em 1992. Seu mestrado em engenharia civil foi obtido na Universidade Federal do Pará (UFPA), em 2004. José Alberto Sá obteve o doutorado em engenharia elétrica na UFPA, em 2011, e realizou estudos de pós-doutorado em Geoinformática no Instituto Nacional de Pesquisas Espaciais (INPE), em 2018. Desde 2000, atua como perito criminal na Polícia Científica do Pará (PCEPA) (antigo CPC-RC) e desde 2023 atua, também, como coordenador de aperfeiçoamento e pesquisa da PCEPA. Desde 2008, atua como professor na Universidade do Estado do Pará (UEPA), trabalhando no Centro de Ciências Naturais e Tecnologia (CCNT). É professor colaborador no Programa de Pós-Graduação em Ciências Ambientais (PPGCA-UEPA) e professor permanente no Programa de Mestrado Profissional em Ciências Forenses da Universidade Federal do Sul e Sudeste do Pará (PPGCF-UNIFESSPA). Trabalha nas áreas de pesquisa: Inteligência Artificial (Artificial Intelligence); Mineração de Dados (Data Mining); Geoinformática (Geoinformatics); Marketing Digital e Neuromarketing (Digital Marketing and Neuromarketing); Energia, Meio Ambiente e Sustentabilidade (Energy, Environment and Sustainability); Defesa Civil e Descargas Atmosféricas (Civil Defense and Atmospheric Discharges) e Ciências Forenses (Forensic Sciences).

    Fernanda Carla Lima Ferreira