A estratégia de busca por alimento posta em prática pelas abelhas é um processo complexo que envolve várias etapas. Cada inseto procura novas fontes de alimento no ambiente e, ao encontrar, comunica aos demais. Outras abelhas tendem a seguir aquelas que encontraram fontes de alimento com maior potencial. Esse comportamento inspirou a criação de algoritmo de otimização que, posteriormente, foi utilizado por pesquisadores no cálculo de volume de madeira nos inventários florestais.
De acordo com um dos autores da pesquisa, Eugênio Monteiro, que é analista de Tecnologia da Informação e coordenador do setor no Instituto de Ciências Agrárias (ICA), os experimentos resultaram em um método automatizado e confiável para estimar o volume em empreendimentos florestais. “As redes neurais são bastante utilizadas no inventário florestal para calcular o volume de madeira. Entretanto, o algoritmo que a gente propôs utiliza redes neurais do tipo RBF (Radial Basis Function Neural Network), cuja arquitetura pode ser gerada automaticamente por qualquer algoritmo de agrupamento”, explicou.
A novidade do trabalho, de acordo com o pesquisador, foi a utilização do algoritmo inspirado no comportamento das abelhas para gerar a arquitetura de redes neurais RBF. “A ideia era propor um algoritmo novo para tentar resolver um problema corriqueiro, que é a estimativa do volume de madeira no inventário florestal”, conta Monteiro. O algoritmo, chamado cOptBees, foi desenvolvido pelo professor Renato Dourado, e os dados utilizados para os experimentos foram extraídos de pesquisas desenvolvidas anteriormente pelo professor Christian Cabacinha.
Nos experimentos, os pesquisadores valeram-se de dados de cubagem rigorosa, que são medidas do volume de madeira de árvores, obtidos com empresas do ramo.
“De maneira geral, o algoritmo busca se inspirar no chamado comportamento de forrageio, que é a busca por alimento. As abelhas aperfeiçoam essa procura estruturando uma organização entre elas. Aproveitamos essa organização para gerar a estrutura teoricamente ótima para a rede”, comentou Eugênio.
Amanda Lelis / UFMG
Variável importante
Nos experimentos, os pesquisadores valeram-se de dados de cubagem rigorosa, que são medidas do volume de madeira de árvores, obtidos com empresas do ramo. As informações foram utilizadas para o treinamento das redes neurais e para a avaliação do novo algoritmo, em comparação com outros métodos tradicionalmente utilizados para o cálculo do volume, como equações específicas consagradas na literatura especializada.
O engenheiro florestal e professor do ICA Christian Cabacinha explica que o cálculo do volume de madeira é uma etapa importante em empreendimentos florestais, porque serve de base para a definição e o planejamento de atividades. “O volume é uma das variáveis dendométricas [parâmetros usados na avaliação do crescimento das árvores] mais importantes para o planejamento e análise de viabilidade econômica de projetos florestais, pois é a unidade de referência para a comercialização da madeira”, relata Christian.
O professor comenta que havia um consenso na área florestal de que as redes neurais MLPs (Multi Layer Perceptron) seriam superiores às RBFs para o cálculo de volume. “O trabalho mostrou que as redes RBFs também têm desempenho satisfatório e funcionam muito bem para a estimativa de volume, desde que haja uma base de dados com bom número de observações para treinamento dessas redes”, diz o professor.
A pesquisa foi desenvolvida como dissertação de mestrado no Programa de Pós-graduação em Modelagem Computacional e Sistemas da Universidade Estadual de Montes Claros (Unimontes), sob orientação dos professores Renato Dourado, da Unimontes e da UFMG, e Cristian Cabacinha, da UFMG. Os resultados foram publicados na revista científica Computers and Electronics in Agriculture.