REDES NEURAIS CONVOLUCIONAIS NA AVALIAÇÃO DE JUNTAS COLADAS COM RESORCINOL-FORMALDEÍDO: COMPARAÇÃO COM A NORMA ASTM D5266-13
Nome: BRUNO DUARTE LOURENÇO DE ARAÚJO
Data de publicação: 13/08/2025
Banca:
Nome |
Papel |
|---|---|
| LEONOR DA CUNHA MASTELA | Examinador Externo |
| MARCOS ALVES NICACIO | Examinador Externo |
| PEDRO GUTEMBERG DE ALCANTARA SEGUNDINHO | Presidente |
Resumo: Este trabalho avaliou a acurácia de uma rede neural convolucional treinada para estimar a taxa de falha na madeira em juntas coladas com adesivo resorcinol-formaldeído, por meio da técnica de segmentação semântica de imagens. Os resultados obtidos pela inteligência artificial foram comparados com os valores estimados visualmente, conforme a norma ASTM D5266-13 (2020). A análise estatística incluiu teste t pareado, correlação de Pearson e regressão linear. A média da taxa de falha estimada por rede neural convolucional foi de 89,09%, estatisticamente inferior à da avaliação visual (92,08%), embora ambas acima do limite mínimo normativo. A forte correlação entre os métodos (r significativo, p < 0,05) e o alto coeficiente de determinação ajustado indicam que a inteligência artificial foi eficaz em reproduzir a tendência de variação das falhas. Tais resultados demonstram a viabilidade da aplicação de rede neural convolucional no controle de qualidade de madeira engenheirada, promovendo maior objetividade, agilidade e confiabilidade às análises. A integração entre métodos tradicionais e algoritmos de inteligência artificial representa um avanço relevante para o setor florestal no contexto da Indústria 4.0.
