A distinção entre carvões produzidos com madeira de eucalipto daqueles produzidos com madeira de espécies nativas é importante para a comercialização, controle e fiscalização da produção de carvão vegetal no Brasil. Este trabalho propõe a aplicação de técnicas de análise de imagens como uma nova ferramenta para auxiliar na separação do carvão de eucalipto em relação àqueles provenientes de outras espécies. Para a realização do trabalho, 18 espécies lenhosas, 6 pertencentes ao gênero Eucalyptus e 12 espécies nativas da Zona da Mata Mineira, foram estudadas. Para cada espécie foram geradas 50 imagens da seção transversal do lenho carbonizado, totalizando 300 imagens para o gênero Eucalyptus e 600 para as espécies nativas. A partir destas imagens foram produzidas 24 imagens-índice, combinação de três diferentes resoluções (número de pixels) e oito diferentes profundidades de imagem (número de bits por pixel). Em seguida, 24 classificadores bayesianos para classes gaussianas foram desenvolvidos utilizando-se características de texturas extraídas das imagens-índice por meio da técnica da matriz de coocorrência de níveis de cinza. A avaliação da classificação foi realizada segundo o método da validação cruzada deixando um vetor de características de fora da fase de treinamento. Em seguida, por meio da matriz de erros, foram obtidos os índices de Exatidão Global e Kappa que foram utilizados para avaliar a significância dos classificadores por meio de um Teste Z. Concluiu-se que os classificadores apresentaram desempenho melhor que uma classificação ao acaso, ao nível de 5% de significância. Verificou-se que os 24 classificadores desenvolvidos acertaram, em média, 98,45% das imagens testadas. A utilização da análise de imagens digitais, portanto, permitiu distinguir satisfatoriamente o carvão produzido com madeira de eucalipto daqueles produzidos com madeiras de espécies nativas.
The distinction between chacoal produced with Eucalyptus wood from those produced with native wood is important for the commercialization, control and supervision of charcoal production in Brazil. This work proposes the application of image analysis techniques as a new tool to assist in the separation of Eucalyptus’s charcoal compared to those from other species. To conduct the study, we used 18 woody species, six belonging to the genus Eucalyptus and 12 native species in the Zona da Mata Mineira. For each species were generated 50 images of the cross section of charred wood, totaling 300 images for Eucalyptus and 600 for the native species. From these images were produced 24 images-index, combination of three different resolution (number of pixels) and eight different depths of image (number of bits per pixel). Then, 24 Bayesian classifiers for Gaussian classes were developed using texture features extracted from the images-index by the gray level co-occurrence matrix technique. The classification evaluation was performed according to the cross-validation method leaving one sample outside the training phase. Then, through the matrix of errors, were obtained Overall Accuracy and Kappa indexes that were used to evaluating the classifiers significance through a test Z. All classifiers performed better than a random classification, the 5% level of significance. The 24 classifiers developed hit, on average, 98.45% of the images tested. The use of digital image analysis, therefore, allowed to distinguish satisfactorily the chacoal produced from Eucalyptus’s wood from those produced with mixed native species.
