No âmbito do Manejo Florestal Sustentável – MFS para fins madeireiro, o censo florestal é uma atividade essencial para o planejamento da exploração florestal, na qual todas árvores a partir de um diâmetro mínimo pré-estabelecido são mapeadas e identificadas, em geral, por nomes vernaculares.
Neste contexto, a identificação de espécies é um grande desafio, pois não é incomum a ocorrência de erros de identificação em censos florestais. Esses erros podem ter origem no campo, pela confusão devido ao compartilhamento de características entre espécies, uso de diferentes nomes vernaculares para identificar uma mesma espécie, ou mesmo pelo uso do mesmo nome vernacular, por diferentes “mateiros”, para identificar espécies distintas. Porém, talvez o maior problema seja a conversão de nomes vernaculares para nomes científicos baseado em listas pré-existentes de orgãos ambientais.
Portanto, erros de identificação de espécies podem comprometer o tripé da sustentabilidade preconizado pelo MFS e, assim, gerar potenciais prejuízos econômicos aos manejadores florestais e a credibilidade do empreendimento no mercado. Fato este devido à exploração e comercialização equivocada de espécies, além de impactos negativos na conservação da diversidade da flora brasileira, aumentando o risco de extinção de espécies.
Portanto, tecnologias que auxiliem na diminuição dos erros de identificação são urgentes e de grande interesse para o manejo e conservação de espécies florestais. Nesse sentido, o principal objetivo deste projeto é desenvolver uma tecnologia baseada em inteligência artificial, combinando métodos de aprendizado de máquina e visão computacional, para reconhecer espécies em censos florestais no MFS para fins madeireiros. Em síntese, o foco é desenvolver uma aplicação web para reconhecimento de espécies florestais a partir de imagens digitais de cascas (ritidoma) e alburno de árvores, visando a melhoria da acurácia na identificação de árvores.
