An´ alise de tempo de execu¸c˜ ao

A Tabela 5.7 apresenta o tempo m´edio de execu¸c˜ao dos m´etodos propostos e dos m´etodos da literatura para cada imagem. Foi considerada nessa an´alise a melhor configura¸c˜ao de cada m´etodo e apenas a etapa de extra¸c˜ao de caracter´ıstica e/ou modelagem. O tempo de todos os m´etodos foram obtidos com implementa¸c˜ao em MATLAB 7.12 e processador Intel Core i7 Q720@1.60GHz.

Tabela 5.7 – Tempo de execu¸c˜ao dos m´etodos propostos.

M´etodo Caracter´ıstica Tempo(s) M´etodo Caracter´ıstica Tempo(s)

PAG lattice 4 Textura 0.46 CPAG Cor 1.03

PAG lattice 8 Textura 0.62 CHAG Cor 0.25

PAG lattice raio Textura 0.78 CAG Cor 1.38

PAG lattice completo Textura 8.81

PAG lattice k-vizinhos Textura 0.42 aPAG completo contorno Contorno 0.12 PAG lattice small-world Textura 0.35 aPAG interno Contorno 0.55

MAG Textura 0.41 aPAG externo Contorno 0.53

RAG est´atico Textura 0.62 Descritores de Fourier Contorno 0.41 RAG dinˆamico Textura 0.95 Momentos de Zernike Contorno 0.33

CAG Textura 1.15 Curvatura Contorno 0.45

aPAG completo textura Textura 2.45 Dimens˜ao Fractal Multi escala Contorno 0.62 Primeira ordem Textura 0.24

Fourier Textura 0.65 aPAG completo esqueleto Esqueletos 0.15 Gabor Textura 0.67 Esqueleton paths Esqueletos Esqueletos 0.15 GLCM Textura 0.29 SA-trees Esqueletos Esqueletos 0.21

DCT Textura 0.66 GLDM Textura 0.54 Wavelets Textura 0.74 CLBP Textura 1.25 LBPV Textura 0.37 LTP Textura 0.05

Para textura o m´etodo mais r´apido na etapa de extra¸c˜ao de caracter´ısticas ´e o LTP, por´em esse m´etodo demanda um maior tempo maior na etapa de classifica¸c˜ao pois n˜ao utiliza os classificadores aqui propostos. O pior resultado refere-se ao m´etodo de PAG lattice completo, resultado j´a esperado devido ao alto custo do m´etodo. O m´etodo CAG tamb´em obteve um alto tempo de execu¸c˜ao devido `a caracteriza¸c˜ao por fractal.

´

E importante lembrar que os tempos obtidos podem sofrer altera¸c˜oes dr´asticas caso o tamanho da imagem seja alterado (nesse estudo considerou-se apenas imagens de 128x128). Os m´etodos PAG, por exemplo, ter˜ao custos bastante elevados em caso de imagens de tamanho maior.

J´a para an´alise de contornos o aPAG completo contorno apresenta os melhores resultados. O modelo aPAG interno, apesar de sua similaridade com aPAG completo contorno, tem o custo bem elevado pois necessita de verifica¸c˜oes de retas internas.

Para an´alise de cor o modelo CHAG apresentou-se como mais eficiente e para esqueletos o m´etodo aPAG completo esqueleto tem desempenho equivalente aos m´etodos da literatura.

133

CAP´ITULO

₆

Classifica¸c˜ao de esp´ecies vegetais

baseada em an´alise foliar

A taxonomia vegetal ´e a ciˆencia na qual cada planta deve ser corretamente atribu´ıda a uma s´erie descendente de plantas correlacionadas. Alguns estudos estimam que h´a 298.000 esp´ecies na flora mundial, das quais apenas 215.644 est˜ao catalogadas e nomeadas pelos taxonomis- tas (117). Essa imensa variedade de esp´ecies e suas incont´aveis caracter´ısticas taxonˆomicas tornam a pesquisa em taxonomia vegetal uma dif´ıcil tarefa. Para qualquer pesquisador ´e im- poss´ıvel saber mais do que uma pequena parte das esp´ecies nomeadas. Essa situa¸c˜ao revela a necessidade de sistemas e ferramentas capazes de auxiliar nas tarefas taxonˆomicas. Alguns novos m´etodos de taxonomia, tais como quimiotaxonomia, citotaxionomia, clad´ıstica, etc, vem se tornando populares, no entanto esses m´etodos possuem custos elevados, s˜ao extremamente complicados, demorados e podem ser utilizados apenas por especialistas (118).

Apesar da existˆencia dessas novas ferramentas a morfologia tradicional continua a ser amplamente utilizada. O processo manual de taxonomia e identifica¸c˜ao de plantas com mor- fologia ´e basicamente feito por meio de herb´arios (119), onde as caracter´ısticas morfol´ogicas e anatˆomicas de ´org˜aos vegetativos e reprodutivos de diferentes esp´ecies podem ser estudadas e analisadas por observa¸c˜ao (120), sendo sua identifica¸c˜ao realizada atrav´es de compara¸c˜ao com esp´ecimes previamente catalogadas (121) e pela utiliza¸c˜ao de algumas caracter´ısticas chaves (122). A precis˜ao ou sucesso na identifica¸c˜ao depende basicamente da experiˆencia e do co- nhecimento do especialista. Esse m´etodo tradicional de discrimina¸c˜ao ´e baseado em estudos morfol´ogicos e, por vez, depende de uma avalia¸c˜ao visual subjetiva, levando assim a falhas na detec¸c˜ao de diferen¸cas muito pequenas e espec´ıficas, como aquelas que ocorrem entre plantas de esp´ecies muito semelhantes.

Para essa atividade de cataloga¸c˜ao, que ´e essencial para qualquer outro estudo ecol´ogico, botˆanico ou taxonˆomico, ´e necess´ario recolher e secar um ramo da planta, montar um voucher, e compara-lo com outros vouchers em herb´arios (123, 124). Um dos grandes problemas nesse

134 6 Classifica¸c˜ao de esp´ecies vegetais baseada em an´alise foliar

processo ´e a que as flores e frutas, principais fontes utilizadas para o diagn´ostico n˜ao est˜ao dispon´ıveis para estudos em todo o ano, mas apenas em certos per´ıodos, o que causa uma dificuldade natural nesse processo de identifica¸c˜ao (125). Em contrapartida o exame das folhas, quase sempre dispon´ıveis, n˜ao ´e suficiente para um diagn´ostico em n´ıvel de esp´ecie, nos melhores casos pode levar a uma redu¸c˜ao dr´astica no n´umero de esp´ecies que precisam ser consideradas (126).

Com o recente desenvolvimento da computa¸c˜ao, estat´ıstica e outros m´etodos num´ericos, a morfometria automatizada (definida como a an´alise quantitativa da forma biol´ogica) vem se tornando mais popular e precisa. Nesse contexto a classifica¸c˜ao de plantas automatizada usando dispositivos ´opticos (scanners ou cˆameras digitais), vem se tornando um m´etodo pro- missor no sentido de auxiliar os taxonomistas. Tal abordagem ´e simples, barata, r´apida e possui ainda a vantagem de preservar importantes caracter´ısticas da folha que seriam perdidas no processo de desidrata¸c˜ao, tais como cor, textura e brilho.

Nesse sentido esfor¸cos vem sendo realizados desde os anos 70 para desenvolver m´etodos automatizados para reconhecer e classificar plantas. Os trabalhos (127–130) s˜ao os primeiros que tentam utilizar a morfologia e anatomia foliar como caracter´ıstica taxonˆomica para tal e, desde ent˜ao, muitos outros estudos tem sido documentados (131). Outra raz˜ao para o interesse especial em folhas, al´em da alta disponibilidade no campo, ´e a velocidade e facilidade com que esse item taxonˆomico pode ser analisado com dispositivos ´opticos, devido a sua natureza bidimensional.

A seguir apresenta-se uma breve descri¸c˜ao das principais abordagens utilizadas na an´alise automatizada de folhas, as dificuldades envolvidas e os desafios ainda abertos nesse campo de pesquisa.