SIPM2002 III Simpsio de Informtica Planalto Mdio, UPF- Passo Fundo - RS, Maio/2002.

SEMAA Sistema Especialista para Auxlio

no diagnstico de doenas da maa e macieiras
Daniel Rodrigues da Silva1, Eliane Pozzebon2 Maria Aparecida Fernandes Almeida3
1

Universidade do Planalto Catarinense (UNIPLAC)

Dep. de Cincias Exatas e Tecnologia
Av. Castelo Branco, 170 Bairro Universitrio 88.509. 900 - Lages SC Brasil
2

Universidade Federal de Santa Catarina (UFSC)

Curso de Ps-Graduao em Cincia da Computao
Campus Universitrio Trindade - 88040-900 Florianpolis SC
3

Pontificia Universidade Catlica de Minas Gerais (PUC Minas)

Rua Yolando S. Logli, 255 - B. Industrial II CEP: 35.588-000 - Arcos MG
Daniel@uniplac.rct-sc.br, eliane@inf.ufsc.br, mafa@pucminas.br

Abstract. This work presents the conception of an ES, rule-based, that is destined to the
aid in the diagnosis of diseases that generally attack apples and apples trees. The
prototype uses the concept of Cycle of Life of a program, supported by phases of the
Software Engineering. The work intends to contribute with the development of
applications of the Informatics on Agriculture for the improvement the quality of the
production.
Resumo. Este trabalho apresenta a concepo de um SE baseado em regras, que
destina-se ao auxlio no diagnstico de doenas que geralmente atacam macieiras e
mas. O prottipo do sistema utiliza o conceito de Ciclo de Vida de um programa,
conduzido pelas fases da Engenharia de Programas. O trabalho pretende contribuir
com o desenvolvimento de aplicaes da Informtica na Agricultura para a melhoria da
qualidade da produo.
Palavras chaves: Inteligncia Artificial, Sistemas especialistas, ciclo de vida,
diagnstico doenas, maas e macieiras.

1. Introduo
A expresso inteligncia artificial est associada, geralmente, ao desenvolvimento de
sistemas especialistas. Estes sistemas baseados em conhecimento, construdos,
principalmente, com regras que reproduzem o conhecimento do perito, so utilizados
para auxiliar determinados problemas em domnios especficos.
Analisando os problemas inerentes Engenharia de Programas nota-se que o
desenvolvimento de um SE, seja qual for a sua finalidade, deve basear-se no conceito de
Ciclo de Vida. A abordagem deste trabalho a elaborao de um SE, implementando-o
em uma aplicao baseada no paradigma da Inteligncia Artificial (IA) simblica
obedecendo as fases do Ciclo de Vida da Engenharia de Programas.
Diversos produtos constituem a matria-prima utilizada por muitas indstrias e
empresas, alm de serem a principal fonte de renda para muitas famlias. A produo de
mas altamente vivel na regio planalto catarinense, visto o clima favorvel e o
grande nmero de produtores. Foi pensando justamente no desenvolvimento econmico
da regio que se resolveu desenvolver um trabalho que pudesse, de alguma forma,

auxiliar a produo agrcola, seguindo outros trabalhos j desenvolvidos anteriormente

[Kaplan and Rock 1995].
O objetivo do trabalho desenvolver um prottipo de um sistema especialista
capaz de auxiliar no diagnstico de doenas em macieiras, buscando auxiliar produtores
e professores da rea de fruticultura, alm de contribuir para o desenvolvimento da
informtica agrcola.

2. Cultivo da Ma
Segundo as normas de classificao de mas da Associao Brasileira dos Produtores
de Mas [ABPM 2001]: "Entende-se por ma o fruto da espcie malus domestica
borkh."
At os dias de hoje no se sabe ao certo quando e onde se originou a macieira, e
qual ou quais foram as espcies silvestres que deram origem ma contempornea,
cujas variedades so atualmente conhecidas. Podem ser, por exemplo, a malus
sylvestris, originria da Europa, a malus prinifolia, originria do cucaso e de parte da
Rssia, ou todas elas em conjunto. A ma , talvez, a fruta que engloba a maior
quantidade de variedades conhecidas, estima-se algo entre 5 e 20 mil. Dessas 3 a 4 mil
so cultivadas em maior ou menor escala, em diferentes partes do mundo [Benassi
2000]. O certo que este nmero vem crescendo a cada dia com o aprimoramento e o
desenvolvimento de novas variedades em estaes experimentais [ABPM 2001]
O Brasil transformou-se em um grande produtor de mas, desde a metade dos
anos 70, existindo inmeras variedades da fruta desenvolvidas no prprio pas, tais
como a Rainha, a Soberana e a Brasil. Em suas variedades, os frutos da macieira podem
ser distinguidos e agrupados por suas qualidades e sabor, tamanho, forma, aparncia e
consistncia da polpa e da casca, e por suas distintas utilidades.
Em Santa Catarina, provavelmente um dos primeiros pomares a ser implantado
foi no municpio de Bom Jardim da Serra. A implantao data de 1940. A partir de
1963, se deu o incio dos plantios comerciais no municpio de Fraiburgo. Segundo
Fischer [Boneti and Ribeiro 1999] o estado de Santa Catarina foi responsvel por cerca
de 490.000 toneladas de mas no ano 2000. Isto corresponde a mais da metade da
produo nacional que foi de 900.000 toneladas/ano. A mdia de produtividade
alcanada no Brasil de 20 toneladas por hectare.
Dados da ABPM [ABPM 2001] indicam que a doena que mais ataca a macieira
a sarna, quando as temperaturas esto mais baixas. Quando as temperaturas so mais
elevadas, a doena que mais prejudica a planta a podrido amarga.
Alm da importncia dos tratos culturais, existem rigorosas normas de
classificao e controle de qualidade para mas. Estas normas tm por objetivo definir
as caractersticas de identidade, qualidade, acondicionamento, embalagem e
apresentao da ma para fins de comercializao, destinadas ao consumo em estado
fresco (in natura).
Estes dados apontam para um grande interesse e a utilidade de um Sistema
Especialista no auxlio qualidade da produo de mas do Planalto Catarinense. O
prottipo desenvolvido tambm auxilia no treinamento de aprendizes das escolas
agrcolas em Cincias Agrrias existentes na regio na identificao de doenas.

3. Sistemas Especialistas
Os Sistemas Especialistas (SE) so a principal aplicao do paradigma simblico da
Inteligncia Artificial (IA). Os SE so sistemas computacionais que devem apresentar
um comportamento semelhante a um especialista humano em um determinado domnio
[Barr and Feigenbaum 1982],[Bittencourt G. 2001] [Russel and Norvig 1995].
Inicialmente, a estrutura bsica dos SE eram desenvolvidas imaginando-se que a
resoluo dos problemas era feita atravs de um computador digital. Atualmente, em
vez de definir o SE dando sua estrutura de implementao, melhor se definir
independente da maneira que ele vai ser implementado [Almeida 1999]. Os SE podem
ser implementado atravs de:
IAS - Inteligncia Artificial Simblica - com manipulao simblica.
IAC - Inteligncia Artificial Conexionista - a implementao feita com o
paradigma de Redes Neurais Artificiais [Fisher 2001].
Sistemas hbridos: podem utilizar os paradigmas simblico, conexionista e
evolutivo [Barreto 1995].
Um SE pode e deve se possvel reunir o conhecimento de vrios especialistas
humanos diferentes. So bases de conhecimento individuais. Algumas propriedades
desejveis de um SE so encontradas na literatura [Barreto 2001], [Barreto 1995]:
Aprendizado: O SE dever ser capaz de aprender. As tcnicas de aprendizado so
utilizadas por programas que conseguem em cima de uma base de conhecimentos e
mudar esta base de conhecimento de acordo com a sua utilizao. Deve-se utilizar as
tcnicas de manter a verdade, ou seja, quando se introduzir um novo conhecimento na
base de conhecimento, este deve ser testado para verificar se entra em conflito com
outros j existentes. A manipulao de informaes simblicas permite analisar
ilustraes, desenhos smbolos na tela do computador, diagramas, etc..
Explicao: Um SE deve ser capaz de explicar seu raciocnio, ou seja como um
programa chega a uma concluso. Quais os passos que ele tomou, desde o incio at a
finalizao, com explicaes para cada passo. Essa caracterstica muito importante,
pois assim o usurio tem acesso ao mecanismo de raciocnio do sistema, de forma que
sua validao se torna mais aceitvel. desejvel que tenha uma interface em
linguagem natural.
Disponibilidade: O programa deve funcionar de maneira autnoma e ser disponvel para
o uso. Os SE tm a capacidade de absorver e armazenar o conhecimento humano,
evitando que ele se perca com o passar do tempo.
Robustez : Um programa robusto se a variao dos dados no alterar muito o
comportamento do programa. Neste caso, o uso de abordagens como a lgica nebulosa
til para dar robustez ao programa, pois permite tratar com um tipo de impreciso. Uma
caracterstica altamente relevante para os SE o recurso de trabalhar com imprecises e
incertezas. Assim, problemas cujo conhecimento seja incompleto ou no inteiramente
precisos, podem ser resolvidos por meio da satisfao e da heurstica.
Similaridade: uma propriedade intrnseca a sua prpria definio, similar ao
especialista humano. Dentre os primeiros SE cita-se o MYCIN de Shortlife [Stair 1998]
para diagnstico de doenas infecciosas do sangue, que sugeria uma separao entre a
base de conhecimento e o modo de manipulao da base de conhecimento.

Para que um sistema seja realmente considerado especialista, ele deve apresentar
as propriedades caractersticas citadas. Entretanto, as citadas neste sistema influenciam
positivamente na deciso de desenvolver um sistema especialista. Porm, existem as
caractersticas negativas, que limitam a sua utilidade, a maioria tm a ver com custos,
complexidade e controle. Segundo Stair [Rural News 2001] dentre as caractersticas
consideradas negativas tem-se:
Um SE baseado em regras funciona atravs da comparao das regras com
casos semelhantes e de outras formas. Ele no consegue, por exemplo,
funcionar mesclando regras e casos. Isso pode limitar sua capacidade de
resolver problemas.
O conhecimento presente em um SE precisa ser refinado constantemente,
para que sua qualidade seja mantida. Atualmente, necessrio que o
Engenheiro do Conhecimento faa este trabalho, pois os SE no tem a
capacidade de absorver novas regras diretamente, nem eliminar regras
redundantes ou contraditrias.
Problemas inerentes Engenharia de Programas: Aceitabilidade, dificuldade
de utilizao por usurios e dificuldade com a manuteno do programa.
Alm dessas, uma outra caracterstica marcante nos SE que eles no esto
livres de erros. Mesmo que o conhecimento seja absorvido de forma exata, e na
programao no haja erros, um SE pode resultar em erros, devido a sua complexidade
de funcionamento [Neto 2000].

4. Representao do Conhecimento nos SE

O desenvolvimento da lgica formal no sculo XIX ofereceu uma notao precisa para
declaraes sobre todas as coisas do mundo e suas relaes. Os programas de
computadores podem tomar uma descrio em lgica e encontrar a soluo do
problema, se ela existir.
Em termos de computabilidade, se no h soluo para o problema ele nunca
pra e em termos de complexidade, o tempo e recursos necessrios para resolver
determinado problema podem crescer de tal maneira que seja invivel sua resoluo.
Geralmente, os problemas em IA so NP-completos [Barreto 2001]. Observando estes
critrios e as representaes do conhecimento utilizando a lgica clssica da IA
simblica verifica-se quais so as regras de raciocnio vlido.
Uma primeira maneira de representar o conhecimento no SE proposto a
utilizao de regras do tipo: SE condio ENTO ao ou concluso. Deve-se notar que
a ao uma ordem e a concluso uma prova. Quando se coloca uma regra dentro de
uma base de conhecimento, por exemplo; A B.
Supe-se que esta regra verdade, pois dentro de uma base de conhecimento
numa frmula lgica no se tem valores de verdade e falso. Dentro de uma base de
conhecimento pode-se ter vrias regras [Shortlife 1974]. Alm desta representao
pode-se construir outras representaes para um problema. Outras representaes
podem utilizar redes semnticas (relaes e conceitos) num grafo semntico ou
molduras cuja idia colocar uma estrutura complexa que define toda uma situao de
algo [Barreto 1995].

O SE, aqui proposto, utiliza como modelo de representao do conhecimento

um Sistema de Produo. Definio 1: Um Sistema de Produo SP definido como
uma qudrupla: SP = < R, E, e0, F >, onde:
R um conjunto de regras; E um conjunto de estados;
e0 o estado inicial; F o conjunto de estados finais.
As regras so constitudas de um lado esquerdo (um padro) que determina a que
estados a regra pode ser aplicada, e um lado direito, que descreve a transformao a ser
aplicada aos estados que se encaixam no padro, originando novos estados. So
estruturas do tipo: SE <condio> ENTO <ao>, onde:
<condio> estabelece um teste cujo resultado depende do estado atual da base
de conhecimento. Tipicamente o teste verifica a presena ou no de certas informaes
na base.
<ao> altera o estado atual da base de conhecimento, adicionando, modificando
ou removendo unidades de conhecimento presentes na base.
A base de conhecimentos constituda de inmeras regras utilizando os
operadores E, OU ou NO.

5. O Conceito de Ciclo de Vida de um SE baseado em regras

Grande parte do esforo de desenvolver um sistema especialista se encontra na
elicitao do conhecimento, ou seja, como capturar e utilizar o conhecimento de um ser
humano em uma aplicao computacional. Essa uma tarefa realmente importante, mas
para que ela resulte em um bom sistema especialista, o mesmo deve ser desenvolvido
utilizando tcnicas que considerem todo o universo que o cerca, desde o incio do
projeto at a morte do programa.
Essas tcnicas envolvem o ciclo de vida de um programa, aumentam a sua
qualidade e facilitam a sua manuteno.
Um ponto, considerado muito importante, a avaliao do sistema no que diz
respeito a sua utilidade. O sistema aqui proposto tratado segundo o conceito de "Ciclo
de Vida de um SE baseado em regras" e as linhas guias podem ser encontradas em
[Barreto 2001].
Como qualquer programa, fases do ciclo de vida de um SE podem ser descritas
como:
Anlise de Oportunidades: o estudo dos problemas relevantes a serem
tratados pelo SE.
Anlise Funcional: Aps saber se o SE tem uma potencial comunidade de
usurios, torna-se necessrio saber que funcionalidades so desejadas deste SE.
Conceituao: Criao do modelo capaz de resolver o problema, incluindo a
definio das ferramentas a serem utilizadas;
Elicitao do conhecimento: Obteno do conhecimento do especialista pelo
Engenheiro do Conhecimento.
Implementao: Desenvolvimento construtivo do sistema utilizando alguma
linguagem e/ou ferramenta de programao.

Teste do SE: a utilizao de problemas e solues propostas por especialista

diferentes das usadas para construir a base de conhecimentos e comparando as
respostas do SE com o especialista.
Manuteno: a atualizao da base de conhecimentos, melhoria da interface.
Morte: Termina o ciclo de vida.
No SE aqui proposto, a Anlise de Oportunidades apontou para o
desenvolvimento do prottipo para auxlio ao diagnstico de doenas em macieiras. Um
estudo das principais doenas e pragas que atacam as macieiras e, portanto as mas so
a base da Anlise Funcional deste SE. Na etapa de Conceituao criado o modelo do
sistema englobando os aspectos e caractersticas do conhecimento obtido no sistema.
Nesta fase, nota-se a utilidade de um prottipo para o ensino e treinamento atravs de
dados obtidos em situaes reais [Grupo Sinta 1996].
A Elicitao do Conhecimento. A base de conhecimentos desenvolvida com
auxlio de especialistas humanos (agricultores, empresrios do setor, outros). A base de
conhecimentos foi dividida levando em considerao os aspectos fsicos das folhas,
ramos e frutos das macieiras.
Neste trabalho, a base de conhecimentos foi elicitada atravs de referncias
bibliogrficas [Boneti e Ribeiro 1999], e de entrevistas com profissionais da rea
agrcola (engenheiros agrnomos e professores).
Outro prximo passo realizado foi a Implementao. A linguagem escolhida
Object Pascal e a ferramenta de desenvolvimento Borland Delphi 5. Tambm existe a
possibilidade de incluso de bibliotecas prontas da Ferramenta Expert Sinta [Gallant
1988] para incluso de caractersticas adicionais no desenvolvimento do SE. Um banco
de imagens com variaes dos ataques das doenas nos frutos foi montado para incluso
no sistema.

Figura 1 : Arquitetura do Sistema

A Figura 1 mostra um diagrama simplificado da arquitetura do sistema. Vale

ressaltar que a base de conhecimentos dividida em:
aspectos fsicos da rvore;
aspectos fsicos da fruta;
doenas;

Na anlise funcional, foi definido que o usurio escolhe uma base de

conhecimentos e responde a uma seqncia de questes inseridas em telas e menus, e o
sistema fornece respostas pela manipulao de regras atravs do motor de inferncia
(produzido com objetos do Delphi e bibliotecas de funes do Expert Sinta [Gallant].
Como os SE devem ser auto-explicativos [Barreto 1995] e uma ajuda sensvel ao
contexto dever permitir uma melhoria na qualidade do programa e a interface com o
usurio. Basicamente, aps a abertura do programa, o usurio ser conduzido a uma tela
onde poder escolher as bases de conhecimentos para os tipos de doenas abordados.
Aps a escolha da base de conhecimentos o usurio pode iniciar a consulta ao sistema.
Assim, diversas caixas de dilogo iro aparecendo com as opes sobre o estado geral
da macieira e sobre os aspectos das folhas, caules e frutos das mas produzidas. As
regras so habilitadas conforme as escolhas das opes nas telas de interface com
usurio.

6. Prottipo implementado SEMA

Um prottipo inicial, denominado Sema - Sistema Especialista para Auxlio ao
Diagnstico de Doenas em Macieiras, oferece suporte ao treinamento na identificao
de algumas doenas, escolhidas pelo seu grau de importncia. A utilizao do SE em
situaes de treinamento permite aos usurios a familiarizao com situaes simples,
hipotticas, com o diagnstico de doenas envolvendo mas (figura 2).

.
Figura 2: Sema, inicializando o prottipo e opes da consulta.

Quanto as ferramentas para desenvolvimento de sistemas especialistas pode-se

citar como exemplo de shells de SE atualmente em uso o Babylon, Expert Elements
Environment, RT-Expert, WindExS, Mobal, FOCL, e o Expert Sinta. O prottipo
implementado neste trabalho teve sua base de conhecimento construda com a utilizao
da shell Expert Sinta.

6.1 Implementao
6.1.1 Base de regras
Como citado anteriormente, a base de regras deste prottipo foi implementada no shell
Expert Sinta. Para criar uma base de regras no Expert Sinta, necessrio seguir os
passos de criao de uma base de regras neste shell, que podem ser encontrados
completamente descritos em GRUPO SINTA (1996).

6.1.2 Interface com o usurio

Aps a criao da base de regras, o prottipo foi implementado na ferramenta de
desenvolvimento Delphi. Para aproveitar a base de regras criada no Expert Sinta, foi
utilizado a VCL (Visual Component Library) Expert Sinta, que permite a importao da
base de regras para um aplicativo padro Windows. O SE possui funes bsicas como:

Nova Consulta: Esta funo faz com que o SE inicie uma nova consulta
base de regras. a principal funo do SE. Ao iniciar uma consulta, o usurio deve
escolher a regio da macieira onde observou os sintomas, e ento clicar no boto
Prximo. O Boto Fechar encerra a consulta. Feito isso, o SE comea uma srie de
perguntas sobre possveis sintomas que a macieira pode apresentar. O usurio responde
estas perguntas, sempre escolhendo uma entre as respostas apresentadas.
Ao trmino das perguntas, exibido a janela com o resultado da consulta,
indicando a(s) doena(s) que o SE diagnosticou (Figura 3).

Figura 3: Sema,apresentando o resultado da pesquisa.

Base de Regras: o usurio pode visualizar a base de regras do SE ,

conforme figura 4.

Figura 4 - Sema, base de regras.

Fotos: o usurio pode visualizar fotos de partes de macieiras atacadas

pelas doenas que o SE pode diagnosticar, conforme a figura 5.

Figura 5 - Sema, Fotos de Doenas da Macieira.

6.2 Teste do sistema especialista

Os testes esto sendo realizados por grupos distintos de usurios : Professores da rea da
IA, Professores da rea da fruticultura e Produtores de ma.

7. Concluso
A finalidade do SE, aqui proposto, de auxiliar os produtores de mas, com um
sistema capaz de auxiliar na identificao de doenas em macieiras para a melhoria da
qualidade na produo de mas.
Os resultados de um estudo sobre o ciclo de vida de sistemas especialistas
acrescenta informaes que certamente auxiliaro nas tomadas de decises de como o
projeto deve ser desenvolvido, nos fazendo abstrair o que realmente importante e quais
passos devem ser seguidos e como execut-los.
O prottipo inicial oferece suporte ao treinamento na identificao de algumas
doenas, escolhidas pelo seu grau de importncia. A utilizao do SE em situaes de
treinamento permite aos usurios a familiarizao com situaes simples, hipotticas,
com o diagnstico de doenas envolvendo mas. Isto parece ser interessante na tomada
de decises quando surgirem situaes reais.
O sistema no pretende substituir qualquer profissional e conta com uma base de
conhecimentos oriunda e avaliada por mais de um especialista na rea. Este prottipo
utiliza bases de conhecimentos originadas das pesquisas efetuadas com agricultores,
empresas de produo de mas. Foi sugerido a incluso de um banco de imagens
contendo fotos de rvores, folhas e frutos para facilitar a visualizao e o
enriquecimento do sistema.

7. Referncias Bibliogrficas
Almeida, M. A. F. (1999) Aprender, atividade inteligente: e se esta inteligncia for
parcialmente artificial ? ,115 f. Tese (Mestrado em Cincia da Computao) - Curso
de Ps-Graduao em Cincia da Computao, UFSC, Florianpolis.

ABPM (2001) Associao Brasileira dos Produtores de Mas, obtido do site URL:
http://www.abpm.org.br/, novembro.
Barr, A. ; Feigenbaum, A. (1982) Handbook of Artificial Intelligence, v.2, cap. 9,
Califrnia, USA, Heuristech Press.
Barreto, J.M. (2001) Inteligncia Artificial no Limiar do Sculo XXI, Florianpolis:
Duplic, 3a. Ed.
Barreto, J. M. (1995) Notas de aulas da disciplina Lgica Nebulosa, Mestrado em
Engenharia Biomdica, GPEB, Universidade Federal de Santa Catarina.
Benassi, I. (2000) O cultivo da ma, Irmos Benassi, URL:
http://www.irmaosbenassi.com.br/.
Bittencourt, G. (2001) Inteligncia artificial: ferramentas e teorias. Florianpolis:
Guilherme Bittencourt, 2 Ed.
Boneti, J. I. S. ; Ribeiro, L. G. (1999) Manual de Identificao de doenas e pragas da
macieira, Empresa de Pesquisa Agropecuria e Extenso Rural de Santa Catarina S.
A. (EPAGRI), Florianpolis, 1999.
Fisher, I. (2001) Florada da Ma, Fraiburgo, URL:
http://www.fischerfraiburgo.com.br/producp.htm#florada.
Gallant, S. (1988) "Connectionist Expert Systems", Communications of ACM, vol.31,
no. 2. February.
Grupo Sinta (1996) - Sistemas Inteligentes Aplicados, Expert Sinta V.1.1 Manual do
usurio. Universidade Federal do Cear.
Kaplan, R.; Rock, D. (1995) "New directions for intelligent tutoring", AI EXPERT,v.10,
No2.
Mcculoch, W. S. ; Pitts, W. H. A logical calculus of ideas immanent on nervous
activity. Bull. of mathematical biophysics, no. 5, 1943.
Minsky, M. L. ; Papert, S. A. Perceptrons: an introduction to computational geometry.
Massachusets: The MIT Press, 1969.
Neto, W. C. B. (2000) Sistema especialista para diagnstico de doenas infectocontagiosas em bovinos e eqinos, SE-VET. 2000, 12 f., Universidade Federal de
Santa Catarina, Florianpolis.
Russel, S; Norvig, P. Artificial Intelligence: a modern approach, London: Prentice Hall,
1995.
RURAL NEWS. (2001) Mas, URL:
http://ruralnews.terra.com.br/agricultura/frutas/maca.htm.
Stair, R. M. (1998) Princpios de sistemas de informao - uma abordagem gerencial.
LTC Editora.
Shortlife, E.H. (1974) Mycin: A rule-based computer program for advising physicians
regarding antimicrobial therapy selection, Stanford University, California.