CENTRO UNIVERSITÁRIO DO SUL DE MINAS - UNIS/MG BACHARELADO EM CIÊNCIA DA COMPUTAÇÃO ABIMAEL SANTOS SILVA PEREIRA CINTHIA SANTOS SILVA PIEDADE FERREIRA ELISANGELA ASSUNÇÃO
SISTEMA ESPECIALISTA PARA DIAGNÓSTICO DE DOENÇAS DO CAFÉ
Varginha 2006
ABIMAEL SANTOS SILVA PEREIRA CINTHIA SANTOS SILVA PIEDADE FERREIRA ELISANGELA ASSUNÇÃO
SISTEMA ESPECIALISTA PARA DIAGNÓSTICO DE DOENÇAS DO CAFÉ
Projeto de conclusão de curso apresentado ao curso de Ciência da Computação do Centro universitário do Sul de Minas – UNIS/MG como pré-requisito para obtenção do grau de bach bachare arel,l, sob orien orientaç tação ão do Prof. Prof. Julian Julianoo Coelho Miranda. .
Varginha 2006
FOLHA DE APROVAÇÃO ABIMAEL SANTOS SILVA PEREIRA CINTHIA SANTOS SILVA PIEDADE FERREIRA ELISANGELA ASSUNÇÃO
SISTEMA ESPECIALISTA PARA DIAGNÓSTICO DE DOENÇAS DO CAFÉ
Monografia apresentada ao curso de Ciência da Computação do Centro Universitário do Sul de Minas – UNIS/MG, como pré-requisito para obtenção do grau de bacharel pela Banca Examinadora Examinadora composta pelos membros: ( ) Aprovado
( ) Reprovado Data
/
/ _________________________________________________________ Profº Especialista Juliano Coelho Miranda ______________________________________________________ Profº. Especialista Fabrício Pelloso Piurcosky _________________________________________________________ Profº. Especialista Alan Souza Prado
OBS.:
Dedico este projeto ao meu pai José Maria, exemplo de determinação a ser seguido e que sempre esta a minha disposição quando preciso, à minha mãe Arlette, que sempre esta a minha espera, se preocupando e correndo atrás do meu bem estar, aos meus irmãos e minha namorada que sempre me trazem muita felicidade e me apóiam em minhas decisões. Dedi Dedico co aos aos meus meus amig amigos os de sala sala,, e agor agoraa amigos por toda vida, que foram guerreiros compan companhe heiro iross na conqu conquis ista ta da gradua graduaçã çãoo e também aos meus verdadeiros amigos de Três Pontas Pon tas.. E princi principal palmen mente te dedic dedicoo a DEUS, DEUS, Senhor absoluto da minha vida, que fez dessas pess pessoas oas ferram ferrament entas as para para min minha ha felic felicida idade de,, sem elas e sem ELE eu não teria conseguido. “O Senhor é meu pastor e nada me faltará”. Abimael
Dedico este trabalho aos meus pais Eugênio e Valéria e meu irmão Thomas, pelo incentivo e apoio irrestrito, não só durante os anos em que que esti estive ve estu estuda dand ndo, o, mas mas dura durant ntee toda toda a minha vida e, também ao meu marido Dácio e meu filho Matheus, pelo carinho e amor nos momento em que estive presente e, compreensão e paciência nos momentos em que precisei me ausentar. Dedico também aos meus colegas de faculdade, que foram peça chave para que eu conseguisse concluir mais esta etapa de minha vida. E a Deus, pois sem ele nada seria possível. Cinthia
Dedi Dedicco a pre present sentee obra bra a toda oda minha inha famí famíli lia, a, em espe especi cial al a mi minh nhaa amad amadaa mãe mãe Graça, que é exemplo de mulher lutadora, que tem sempre me mostrado o seu exemplo de como deve ser o verdadeiro verdadeiro caráter caráter de um ser humano, por estar sempre ao meu lado e por tudo aquilo que me tens transmitido. Dedico a todos os meus amigos de faculdade, principalmente aos dois maiores e melhores presentes que conquistei, Fernando e Cinthia, e que será eterna a amizade e o companheirismo, companheirismo, amig amigos os este estes, s, que que em todo todoss os mo mome ment ntos os estiveram ao meu lado, me dando incentivo, sempre dispostos a me ajudar. A vocês meus amigos, o meu muito Obrigado! Elisangela
Agradecemos a Deus, por ter nos dado forças, coragem e sabedoria para ultrapassar mais um obstáculo. Aos nossos pais, por acreditarem em nossa capacidade. Aos nossos irmãos, pela confiança transmitida. Ao orientador, Prof. Juliano Coelho Miranda, pelos ensinamentos passados, pela amizade, pela compreensão e pela brilhante orientação. Ao Prof. Fabrício Pelloso Piurcosky, pela dedicação, sugestões, correções e incentivo. Aos demais professores, pela competência e dedicação. Aos nossos colegas de classe, em especial ao Fernando, que nos estendeu uma mão amiga nos momentos de necessidade. Ao Centro Universitário do Sul de Minas. A todos que, de alguma forma, contribuíram para o êxito deste trabalho.
"Há homens que lutam um dia e são bons. Há outros que lutam um ano e são melhores. Há os que lutam muitos anos e são muito bons. Porém, há os que lutam toda a vida. Esses são os imprescindíveis."
(Bertolt Brecht)
RESUMO
Nos agronegócios, um sistema de informações adequado e, principalmente, a capacidade de analisar os dados disponíveis no contexto específico de cada problema são fundamentais para tornar as decisões administrativas mais eficientes. Neste contexto, os Sistemas Especialistas (SE) podem se revelar importantes instrumentos de auxílio à tomada de decisões, fornecendo interpretações de resultados técnicos e econômicos e recomendando ações a serem implantadas. Na tentativa de obter uma ferramenta capaz de fornecer subsídios ao agrônomo e produtor rural na resolução de problemas rotineiramente defrontados na sua atividade, construiu-se um SE em diagnose de doenças cafeeira que interage com o usuário através de perguntas sobre as características da planta, e apresenta ao fim de cada sessão, um diagnóstico contendo as possíveis doenças encontradas na lavoura em questão.
LISTA DE FIGURAS FIGURA 1 - Lesões pelo ataque de Ascochyta........................................................................ 19 FIGURA 2 - Lesões de Cercosporiose em folhas de cafeeiro.................................................. 19 FIGURA 3 - Ramos com folhas cafeeiras atacadas pela ferrugem.......................................... 20 FIGURA 4 - Ataque de Phoma nas folhas provocando encurvamento.................................... 20 FIGURA 5 - Lesões de Pseudomonas sobre as folhas do cafeeiro...........................................21 FIGURA 6 - Sintomas de ataque de Mancha Manteigosa em folhas de cafeeiro.....................21 FIGURA 7 - Funcionamento da Engenharia do Conhecimento............................................... 29 FIGURA 8 - Base de conhecimento......................................................................................... 29 FIGURA 9 - Memória de Trabalho ou Quadro Negro............................................................ 30 FIGURA 10 - Mecanismo ou Máquina de Inferência ............................................................. 31 FIGURA 11 - Janela principal do xclips ..................................................................................38 FIGURA 12 - Exemplo de execução de uma regra utilizando JESS ......................................39 FIGURA 13 - Arquitetura simplificada do Expert SINTA.......................................................40 FIGURA 14 - Barra de Ferramentas do Expert SINTA........................................................... 44 FIGURA 15 - Janela KIB......................................................................................................... 44 FIGURA 16 - Criando variáveis...............................................................................................45 FIGURA 17 - Definindo a variável objetivo............................................................................ 46 FIGURA 18 - Nova Regra – Ordem e Modelo.........................................................................46 FIGURA 19 - Janela onde a regra será montada...................................................................... 47 FIGURA 20 - Nova Regra – Inserindo uma premissa..............................................................47 FIGURA 21 - Nova Regra – Inserindo uma conclusão............................................................48 FIGURA 22 - Nova Regra – Editando e Eliminando uma sentença.........................................48 FIGURA 23 - Criando Interface............................................................................................... 49 FIGURA 24 - Criando Informações adicionais sobre a Base...................................................50 FIGURA 25 - Opções – Máquina de Inferência.......................................................................50 FIGURA 26 - Opções – Fatores de Confiança......................................................................... 51 FIGURA 27 - Opções - Senhas.................................................................................................52 FIGURA 28 - Menu Consulta..................................................................................................53 FIGURA 29 - Barra de ferramentas Consulta...........................................................................53 FIGURA 30 - Iniciando a Consulta – Tela de Abertura...........................................................54 FIGURA 31 - Um exemplo de menu........................................................................................54 FIGURA 32 - Depurador.......................................................................................................... 55 FIGURA 33 - Janela de Resultados - Resultados.................................................................... 56 FIGURA 34 - Janela de Resultados – Histórico....................................................................... 56 FIGURA 35 - Janela de Resultados – Todos os valores...........................................................57 FIGURA 36 - Janela de Resultados – O sistema......................................................................57 FIGURA 37 - Consulta 1: A folha apresenta lesões?............................................................... 58 FIGURA 38 - Consulta 1: Qual a coloração das lesões nas folhas?.........................................58 FIGURA 39 - Consulta 1: Qual o grau de exposição da lavoura à luz solar antes do aparecimento das lesões?.................................................................................................58 FIGURA 40 - Consulta 1: Antes da notificação da doença ocorreu temperatura?...................59 FIGURA 41 - Consulta1: Resultados....................................................................................... 59 FIGURA 42 - Consulta 2: A folha apresenta lesões?............................................................... 59 FIGURA 43 - Consulta 2: Qual a coloração das lesões nas folhas?.........................................60 FIGURA 44 - Consulta 2: As folhas apresentam alguns sintomas como?............................... 60 FIGURA 45 - Consulta 2: Há mumificação das rosetas florais, flores ou frutos?....................60 FIGURA 46 - Consulta 2: Resultado........................................................................................61 FIGURA 47 - Paleta de componentes do Expert Sinta sob o Delphi 2.0................................. 63
LISTA DE TABELAS TABELA 1 - Números do agronegócio café no Brasil, Vietnã e Colômbia. ...........................16 TABELA 2 - Levantamento Sistemático da Produção Agrícola – Brasil/ novembro de 2005 17 TABELA 3 - Conhecimento Artificial X Conhecimento Humano.......................................... 26 TABELA 4 - Áreas de aplicações de SE ................................................................................. 31
SUMÁRIO ABIMAEL SANTOS SILVA PEREIRA........................................................... 1 I-INTRODUÇÃO.................................................................................................................... 12 1.1 – Organização do Trabalho............................................................................................. 12 1.2 – Objetivos...................................................................................................................... 13 1.2.1 – Objetivo Geral....................................................................................................... 13 1.2.2 – Objetivos Específicos............................................................................................ 13 1.3 – Justificativa.................................................................................................................. 13 II - A CAFEICULTURA.......................................................................................................... 15 2.1 – A Cafeicultura Brasileira............................................................................................. 15 2.1.1 – A Cafeicultura em Minas Gerais........................................................................... 17 2.1.1.1 – Doenças Cafeeiras do Sul de Minas Gerais ................................................... 18 III - INTELIGÊNCIA ARTIFICIAL........................................................................................ 23 IV - SISTEMAS ESPECIALISTAS......................................................................................... 25 4.1 – Introdução.................................................................................................................... 25 4.2 – Histórico....................................................................................................................... 25 4.3 – Classificação de um SE ................................................................................................ 26 4.4 – Elementos de um Sistema Especialista ........................................................................ 28 4.4.1 – Engenharia do Conhecimento............................................................................... 28 4.4.2 – Base de conhecimento........................................................................................... 29 4.4.3 – Memória de trabalho ou quadro Negro ................................................................ 29 4.4.4 – Mecanismo ou máquina de inferência.................................................................. 30 4.5 – Quando os Sistemas Especialistas são utilizados .........................................................31 4.6 – Linguagem de Programação para Sistemas Especialistas ............................................33 4.6.1 – LISP ..................................................................................................................... 33 4.6.2 – PROLOG............................................................................................................... 34 4.7 – Ferramentas para implementação de um Sistema Especialista ................................... 35 4.7.1 – Shells de Sistemas Especialistas ........................................................................... 36 4.7.1.1 – Exemplos de shells para a construção de sistemas especialistas ................... 36 4.7.1.1.1 – CLIPS..................................................................................................... 36 4.7.1.1.2 – JESS........................................................................................................ 38 4.7.1.1.3 – Expert SINTA......................................................................................... 40 V - SISTEMA ESPECIALISTA PARA DIAGNÓSTICO DE DOENÇAS DO CAFÉ – SEDDC............................................................................................................................ 42 5.1 – Introdução ................................................................................................................... 42 5.2 – Desenvolvimento do Protótipo do SEDDC ................................................................. 43 5.2.1 - Gerenciando Bases................................................................................................. 43 5.2.2 – A janela “Knowledge-in-a-box”........................................................................... 44 5.2.3 – Criando variáveis.................................................................................................. 44 5.2.4 – Definindo o(s) objetivo(s)..................................................................................... 45 5.2.5 – Trabalhando com regras........................................................................................ 46 5.2.6 – Definindo Interface com o usuário ........................................................................ 48 5.2.7 – Informações adicionais sobre a base..................................................................... 49 5.2.8 – Opções................................................................................................................... 50 5.2.9 – Consultando o SEDDC......................................................................................... 52 5.3 – Demonstração de algumas consultas no SEDDC ........................................................ 58 VI – CONCLUSÃO.................................................................................................................. 62
6.1 – Dificuldades Encontradas ............................................................................................ 62 6.2 – Trabalhos Futuros........................................................................................................ 63 VII - REFERÊNCIAS BIBLIOGRÁFICAS............................................................................. 65 ANEXO A – Aquisição do Conhecimento ............................................................................... 69 71 72 ANEXO B - Variáveis utilizadas no SEDDC........................................................................... 73 ANEXO C - Regras implementadas no SEDDC...................................................................... 75 ANEXO D - Perguntas utilizadas na interface com o usuário ..................................................81
I-INTRODUÇÃO
Desde a descoberta pelo homem, o café assumiu importante papel na economia e na vida dos povos que o cultivaram. O Brasil tem no mínimo 1.700 municípios cafeeiros, 2,8 milhões de hectares plantados e aproximadamente 10 milhões de pessoas envolvidas direta ou indiretamente com o café (POZZA, 2005). De acordo com Pozza (2005), o parque cafeeiro do Brasil é constituído por cerca de quatro bilhões de plantas suscetíveis a um grande número de doenças, as quais podem causar diversos níveis de perda. O aparecimento de novas doenças e também de novas condições de manejo, como a irrigação e o adensamento, as quais causam grande variabilidade nos sintomas das doenças, dificultam a diagnose, mesmo para pessoas bem treinadas. Para a diagnose de doenças, o conhecimento pode estar disponível aos agricultores na forma de livros, apostilas, fitas de vídeo e também na forma de sistemas computacionais. Na área de informática, técnicas de inteligência artificial aplicadas à agricultura foram desenvolvidas, principalmente referentes ao manejo de culturas para controlar pragas e doenças; dentre essas, uma técnica capaz de oferecer recursos para tratar de forma eficiente o conhecimento são os sistemas especialistas (POZZA, 2005). Esses sistemas usam o conhecimento e simulam a lógica da decisão para resolver problemas de difícil solução, somente resolvidos por especialistas (TURBAN, 1995). Pelo exposto, pode-se afirmar que o conhecimento acumulado em diagnose e manejo de doenças pode ser extraído dos pesquisadores e organizado de forma a disponibilizá-lo para usuários de forma simples e rápida, por meio de um sistema especialista.
1.1 – Organização do Trabalho Este projeto divide-se em sete capítulos. Esclarecimento sobre os motivos que originaram o desenvolvimento do protótipo, com uma conseqüente definição dos problemas a serem tratados e dos objetivos da pesquisa estão explicitados no capítulo 1. Já no capítulo 2, apresenta-se um referencial teórico sobre a cafeicultura; A apresentação do um referencial teórico sobre a área de aplicação do projeto: Inteligência Artificial, e da sub-área de Inteligência Artificial utilizada para o
desenvolvimento do projeto: Sistemas Especialistas, encontram-se nos capítulos 3 e 4 respectivamente; No capítulo 5 mostra-se o desenvolvimento do protótipo computacional do Sistema Especialista para Diagnóstico de Doenças do Café (SEDDC). Nele são apresentados, detalhes de sua construção, da interface gráfica com o usuário e também uma sucinta demonstração de uso do protótipo; E nos capítulos 6 e 7, estão as conclusões sobre o projeto desenvolvido e o referencial bibliográfico respectivamente.
1.2 – Objetivos 1.2.1 – Objetivo Geral Desenvolvimento de um sistema especialista para diagnóstico de doenças do café capaz de diagnosticar oito doenças foliares cafeeiras – Ascochyta, Antracnose, Cercosporiose, Ferrugem, Phoma, Pseudomonas, Mancha Manteigosa e Xilela do Café.
1.2.2 – Objetivos Específicos - Levantar bibliografia sobre Inteligência Artificial. - Levantar bibliografia sobre a estrutura e funcionamento de sistemas especialistas; - Levantar bibliografia e dados sobre cafeicultura; - Realizar estudo sobre as doenças que atacam o cafezal; - Realizar estudo sobre as características e comportamento específicos da lavoura cafeeira quando atacada por doenças; - Conhecer as ferramentas computacionais para desenvolvimento de sistemas especialistas e escolher a adequada. - Parametrização da ferramenta computacional escolhida para a construção do Sistema Especialista para Diagnóstico de Doenças do Café - Levantar resultados computacionais obtidos.
1.3 – Justificativa A área agrícola pode ser muito beneficiada pelos sistemas computacionais. A agronomia é considerada detentora de problemas clássicos, como doenças e pragas que
atacam as plantações, falta de nutrientes do solo, escolha de defensivos certos para cada tipo de pagas e doença, entre outros. Considerando isto, criou-se um Sistema Especialista para Diagnóstico de Doenças do Café, por ser uma área muito importante para a região, e por infelizmente ainda ocorrer grandes perdas nas lavouras cafeeiras devido ao diagnóstico incorreto ou tardio de doenças. Baseando-se nos conhecimentos adquiridos em disciplinas como Algoritmo, Inteligência Artificial e outras não citadas, buscou-se um projeto voltado para uma área científica, que vem crescendo constantemente em nosso meio – a Inteligência Artificial. A ferramenta computacional para desenvolvimento de sistemas especialistas escolhida foi o shell Expert SINTA, por ser de origem brasileira, gratuita e possuir uma fácil interação com o usuário.
II - A CAFEICULTURA
Anualmente, bebem se em média, mais de 400 bilhões de xícaras de café no mundo. O Café é a bebida de maior preferência. Depois do cobiçado petróleo, o café é a segunda matéria-prima mais importante, quanto ao volume comercial (PAGÉS, 2002). A Cafeicultura mundial emprega 25 milhões de pessoas na sua produção. É uma economia de minifúndio, familiar, onde o processo produtivo agrícola é virtualmente manual e exige delicadeza e experiência, transmitida por tradição ancestral (PAGÉS, 2002). Segundo a Empresa Brasileira de Pesquisa Agropecuária (1999), no Brasil, a cafeicultura constitui-se em importante fonte de renda para a sua economia, pela sua participação na receita cambial, pela transferência de renda aos outros setores da economia, pela contribuição à formação de capital no setor agrícola do país, além da expressiva capacidade de absorção de mão-de-obra.
2.1 – A Cafeicultura Brasileira Durante mais de um século, a cafeicultura tem caminhado “passo-a-passo” com a sociedade brasileira, sofrendo com crises econômicas, ganhando e perdendo prestígio relativo por parte dos governantes. Na realidade, a trajetória histórica da cafeicultura nacional interage com a da própria sociedade brasileira. A magnitude e importância do agronegócio café merece profunda reflexão sobre a trajetória histórica da economia cafeeira, que teve grandes oscilações no decorrer do século, em conseqüência do processo de industrialização do país e de políticas adotadas para o setor (SEAG, 2005). Assim, é importante destacar algumas datas e eventos que marcaram a evolução do café no Brasil (SEAG, 2005): 1820 – Brasil passa a ser considerado exportador de café; 1845 – Brasil produzia cerca de 45% do café mundial; 1932 – Queima de estoque devido à supersafra mundial, cerca de 10 milhões de sacas foram entregues ao Departamento Nacional do Café (DNC) para destruição; 1945-1954 – Melhoria nos preços, com o fim da 2ª Grande Guerra Mundial, e incentivo ao plantio; Criação do Instituto Brasileiro do Café (IBC) pela Lei n° 1.779, de 22/12/1952; 1962-1967 – Plano de erradicação do café, com arranquio de 22 milhões de covas; 1970 – Plano de renovação e revigoramento da lavoura cafeeira;
1979-1981 – Geadas em São Paulo e Minas Gerais acarreta perda de 52% da lavoura; 1989 – Fim do Acordo Internacional do Café decorrente da não aceitação do Brasil em reduzir sua quota (plantio e estoque), que já havia passado de 80% no início do século para 25% na década de 80; 1990 – Extinção do IBC devido ao não cumprimento das leis pré-estabelecidas; 1994 – Geadas em Minas Gerais, com perdas de 70 % das lavouras novas; 2000 – Plano de retenção de café. Nos últimos anos, a cadeia produtiva do café movimenta no mundo uma média anual de US$ 55 bilhões, sendo que US$ 8 bilhões são gerados só no Brasil (NAHUM NETO, 2002). O Brasil é o maior produtor mundial de café com 31% da produção, seguido pelo Vietnã com 12% e pela Colômbia com 11% que ocupam segundo e terceiro lugar no ranking mundial de produção cafeeira (DPEE-BRADESCO, 2006). A tabela 1 mostra os números do agronegócio café no Brasil comparado aos outros dois maiores países produtores de café (DPEE-BRADESCO, 2006): TABELA 1 - Números do agronegócio café no Brasil, Vietnã e Colômbia.
País
Brasil Vietnã Colômbia
Exportação – relativo a todos os países produtores de café (%) 25 13,5 12,5
Produção (sacas de 60 quilos)
Exportação (sacas de 60 quilos)
Consumo interno (sacas de 60 quilos)
33 milhões 12 milhões 11,5 milhões
22 milhões 11,4 milhões 10 milhões
11 milhões 0,6 milhões 1,5 milhões
Segundo a Revista Eletrônica Café e Saúde (2006), o café brasileiro representa hoje cerca de 6% da nossa receita cambial. A receita com as exportações de café atingem atualmente mais de 2 bilhões de dólares por ano. Internamente, cerca de 3,5 bilhões de cafeeiros são cultivados em 350 mil propriedades agrícolas, ocupando diretamente 1,5 milhão de trabalhadores e mais 2,5 milhões de pessoas dependentes. No Brasil os estados mais produtores são: Minas Gerais, São Paulo, Espírito Santo, Bahia e Rondônia. (ABIC, 2006). A tabela 2 mostra como está dividida a produção cafeeira nos estados brasileiros mais produtores.
TABELA 2 - Levantamento Sistemático da Produção Agrícola – Brasil/ novembro de 2005 (Fonte: AGRONEGÓCIO, 2005)
Estados
Minas Gerais Espírito Santo São Paulo Bahia Rondônia
Área Colhida (hectares)
Produção (toneladas)
1.050.430 545.289 220.400 146.011 168.067
1.019.751 529.492 220.180 135.243 107.164
Participação Relativa Estado/ BR (%) 46,79 24,30 10,10 6,21 4,92
Ranking Nacional 1º 2º 3º 4º 5º
2.1.1 – A Cafeicultura em Minas Gerais O café é o segundo produto na pauta das exportações agrícolas do Brasil (ocupando o primeiro lugar, a soja), constituindo-se em uma das mais importantes fontes de renda para a economia do país. Em uma pesquisa realizada em 2001 Minas Gerais se destacava no cenário brasileiro como o maior produtor de café do País, com uma participação em torno de 50% do café produzido. A importância social da cafeicultura mineira é evidente, tanto como geradora de empregos como fixadora de mão-de-obra no meio rural (FERREIRA, 2001). Em 2001 o parque cafeeiro do Estado de Minas Gerais possuía cerca 2,88 bilhões de covas, ocupando uma área de 1,09 milhões de hectares, com produção de 15,9 milhões de sacas colhidas na safra 2000/2001. O grande contingente de cafeeiros em formação (644 milhões) foi indicativo de manutenção da posição de destaque do Estado de Minas Gerais no cenário da cafeicultura brasileira (FERREIRA, 2001). A cafeicultura de Minas Gerais encontra-se distribuída em quatro importantes regiões: Sul de Minas (Sul e Oeste), Matas de Minas (Zona da Mata e Rio Doce), Cerrados de Minas (Triângulo e Alto Paranaíba) e Chapadas de Minas (Alto/Médio Jequitinhonha e Mucuri), constituídas de aproximadamente 80 mil propriedades, distribuídas em 510 municípios do Estado (FLORIANI, 2000). Segundo Andrade (2003), “dentre as regiões produtoras de café em Minas Gerais a região Sul de Minas é a mais bem estruturada para a cafeicultura, dispondo de 55,8% da infraestrutura total para produção de café no estado”. Algumas das principais cidades produtoras de café da região do Sul de Minas são Três Pontas, Guaxupé, São Sebastião do Paraíso, Varginha, São Tomás de Aquino, Itamogi, Alpinópolis e Santa Rita do Sapucaí. A cafeicultura foi inserida na região na década de 1850 e
muitas cidades surgiram a partir das grandes fazendas. Atualmente o café corresponde a 70% da renda das propriedades rurais do Sul de Minas (COFFEE-BREAK, 2006). De acordo com o Portal eletrônico do agronegócio café – Coffee Break (2006), no sul de minas há uma média de quatro mil cafeeiros por hectare. Apesar de essa região ter um terreno com muito declive, os cafeicultores fazem muito uso da mecanização em suas lavouras, e nos últimos três anos, devido ao clima desfavorável, implantam a tecnologia de irrigação em suas propriedades (mesmo esta não sendo uma técnica com resultados comprovados). A falta de chuvas é um problema no Sul de Minas. Nos últimos dois anos, o nível ficou abaixo da média e as chuvas foram mal distribuídas. Outro problema climático são as geadas, que também costumam afetar a região. Estes problemas fazem com que o solo fique debilitado e, por conseqüência, a lavoura com pouca nutrição, o que faz gerar outros problemas como a infestação de doenças e pragas (COFFEE-BREAK, 2006). A doença que mais atinge os cafeeiros do Sul de Minas é a Ferrugem. Outra que também tem causado preocupação aos produtores é a Antracnose. Além dessas doenças que são consideradas às de maior incidência e gravidade, é comum o aparecimento nesta região de outras doenças como Cercosporiose, Phoma, Xilela do Café, Ascochyta, Pseudomonas e Mancha Manteigosa (COFFEE-BREAK, 2006).
2.1.1.1 – Doenças Cafeeiras do Sul de Minas Gerais As doenças tomam parte importante na viabilização da lavoura de café, pois elas causam prejuízos significativos. Sua evolução tem ocorrido em função dos problemas climáticos, nutrição do solo e do manejo inadequado dos cafezais, que tornam os ataques cada vez mais diversificados e severos (MATIELLO, 2006). Segundo Matiello (2006), no sul de Minas Gerais, de 1970 até os dias atuais, vem sendo realizadas pesquisas sobre doenças propícias ao clima, solo e outros aspectos da região. As doenças de folhas mais comumente encontradas nas lavouras sul mineiras são: - Antracnose: As folhas apresentam manchas com massas de esporos e coloração cinza, nas flores manchas ou listas marrom escuro, nos frutos as manchas são de tonalidades escuras e nos ramos apresenta murcha e morte dos ramos. - Ascochyta: Ataca as folhas causando manchas marrom-claras à cinza e queda, nos ramos provoca seca dos ponteiros, havendo, em conseqüência superbrotamento. Nas rosetas florais, flores e frutos provoca mumificação (seca e apodrecimento).
FIGURA 1 - Lesões pelo ataque de Ascochyta
- Cercosporiose (Olho de Pomba): Causa lesões de coloração parda em folhas provocando desfolha e nos frutos, lesões de tonalidade marrom-clara, provocando queda e maturação prematura. Plantas debilitadas (deficiência nutricional) são o principal alvo.
FIGURA 2 - Lesões de Cercosporiose em folhas de cafeeiro (com detalhe da lesão típica – em cima à esquerda – conhecida como olho de pomba – e a lesão – em cima à direita – de Cercospora Negra)
- Ferrugem: Doença mais importante e grave da lavoura cafeeira. Nas folhas provoca manchas em tons alaranjados e amarelados que em alguns casos são envolvidas por um halo amarelo, causando sua queda.
Nos ramos provoca à sua seca e consequentemente
superbrotamento. As condições favoráveis ao aparecimento da ferrugem são temperaturas elevadas e baixa umidade.
FIGURA 3 - Ramos com folhas cafeeiras atacadas pela ferrugem
- Phoma (Seca dos Ponteiros): Seus sintomas são parecidos com os da Ascochyta, nas folhas apresentam manchas marrons, queda e pode fazer com que ela fique encurvada, partida ou rachada. Nos ramos provoca seca e superbrotamento. Nos frutos apresenta mumificação, queda prematura e manchas de tonalidades escuras. Nas flores as manchas aparecem na mesma coloração das dos frutos.
FIGURA 4 - Ataque de Phoma nas folhas provocando encurvamento
- Pseudomonas (Mancha Aureolada): Clima frio e ventos são condições favoráveis ao seu aparecimento. Nas folhas apresenta furos e manchas pardo-escuras envolvidas por um halo amarelo e apresenta nos ramos seca dos ponteiros e superbrotamento.
FIGURA 5 - Lesões de Pseudomonas sobre as folhas do cafeeiro (observando-se halos amarelos e furos nas lesões)
- Mancha Manteigosa: As manchas nas folhas possuem aspecto oleoso com coloração verde clara, nos ramos causa seca dos ponteiros e épocas de chuvas é sua condição favorável mais importante.
FIGURA 6 - Sintomas de ataque de Mancha Manteigosa em folhas de cafeeiro
-Xilela do Café (Amarelinho): A doença é transmitida por cigarrinhas que alimentam do xilema (tecido vascular que conduz água e sais minerais através da planta) das plantas de café. As folhas apresentam queima nas suas bordas, redução no tamanho e ficam toda com aspecto amarelado. Levando em consideração os grandes danos que estas doenças causam, faz-se necessário que agrônomos e produtores rurais exijam cada vez mais o uso de novas tecnologias, como sistemas computacionais e práticas mais cuidadosas para a nutrição e proteção adequada da lavoura cafeeira (MATIELLO, 2006). No V Congresso Brasileiro de Agroinformática realizado pela Universidade Estadual de Londrina (2005), foi apresentado alguns sistemas computacionais aplicados à cafeicultura que têm se mostrado muito eficazes nas funções realizadas. Citemos alguns:
-Sistema Especialista para Dimensionamento e Seleção de Equipamentos para Pré processamento de Café (Desenvolvido por Eduardo Vicente do Prado da Instituição FAGOC). - Análise Geoestatística da Variabilidade Espacial da Broca-do-Café e da Cercosporiose do cafeeiro (Desenvolvido por Marcelo de Carvalho Alves da Universidade Federal de Lavras). - Sistema de Controle e Acompanhamento de Custos da Atividade Cafeeira – Pcccafé (Desenvolvido por Paulo Márcio de Freitas da CIENTEC – Consultoria e Desenvolvimento de Sistema). - Agronegócio do Café: Gestão do Conhecimento utilizando Agentes Inteligentes para Recuperação de Informações (Desenvolvido por Leonardo Aparecido Ciscon da Universidade Federal de Lavras).
III - INTELIGÊNCIA ARTIFICIAL
Segundo Charniak (1985), “Inteligência Artificial (IA) é o ramo da Ciência da Computação voltado para o estudo das faculdades mentais através do uso de modelos computacionais”. A meta da IA é fazer com que máquinas hajam e se comportem como homens e simulem com exatidão as atividades da mente humana (FLORES, 2000). Um computador é inteligente se possui qualquer uma das habilidades mentais que faz uma pessoa ser considerada inteligente. Entre estas habilidades citam-se as seguintes (RICH, 1991): raciocínio, fala, compreensão, aprendizado, linguagem natural, tomada de decisão organização, adaptação, verificação de resultado, controle, não determinismo e percepção do espaço e dos objetos que o rodeiam. Conforme Abel (1995), o conceito de IA é definido a partir de noções de similaridade, ou seja, utilizando seu conjunto de programas e sua arquitetura, a máquina realiza a mesma função que o Homem utilizando sua mente e seu organismo. Há quem acredite que seremos finalmente capazes de construir uma máquina que seja uma réplica tão precisa do ser humano que possa até ser confundida com este (FLORES, 2000). Segundo Rich (1991), a IA se divide em duas áreas: - Aplicação: jogos, provas de teoremas, robótica, processamento de linguagem natural, recuperação inteligente de base de dados, sistemas especialistas, problemas combinatórios e de horário, percepção (reconhecimento de imagem e som). - Idéias fundamentais: representação de problemas, buscas, mecanismos de inferência, linguagens para I. A., representação e uso do conhecimento. No campo de IA aplicada, após uma década de trabalho, emergiram três subcampos principais: Linguagem Natural, Robótica - incluindo visão, fala e locomoção e Ciência Cognitiva. A Linguagem Natural é essencial no uso de computadores por seres humanos. Ela é aplicada em: reconhecimento de discurso, interfaces multissensoriais, realidade virtual, etc. (MIRANDA, 2006).
Na Robótica faz-se a produção de máquinas-robôs com faculdades físicas semelhantes às humanas. Suas aplicações são: percepção visual, tatibilidade, destreza, locomoção e condução (MIRANDA, 2006). Para Miranda (2006), a Ciência Cognitiva concentra-se em pesquisar como o cérebro humano funciona, ou seja, como os seres humanos pensam e aprendem. A Ciência cognitiva é aplicada em: sistemas especialistas, sistemas de aprendizagem, lógica difusa, algoritmos genéticos, redes neurais e agentes inteligentes.
IV - SISTEMAS ESPECIALISTAS
4.1 – Introdução Sistemas Especialistas (SE) são uma classe de sistemas de IA desenvolvidos para servirem como consultores na tomada de decisões que envolvam áreas restritas da Ciência, normalmente apenas dominadas por especialistas humanos. São sistemas que utilizam o conhecimento de um ou mais especialistas codificado em um programa que o aplica na resolução de problemas (ABEL, 1995). Para um SE ser considerado uma ferramenta eficaz, as pessoas têm de ser capazes de interagir com ele facilmente. Para facilitar essa interação, o Sistema Especialista deve ter dois recursos além da capacidade de executar sua tarefa fundamental: Explicar seu raciocínio, adquirir conhecimento novo e modificar conhecimento antigo. Então, um SE deve, além de inferir conclusões, ter capacidade de aprender novos conhecimentos e, desse modo, melhorar o seu desempenho de raciocínio, e a qualidade de suas decisões (RIBEIRO, 1987).
4.2 – Histórico Conforme Passos (1989), no início (década de 50), as estratégias de resolução de problemas de propósitos gerais, da IA, mostraram-se muito ineficientes (não atingiam com eficácia os objetivo da IA) na solução de problemas complexos. Na década de 70, ficou claro para os pesquisadores de IA que para conseguir que seus sistemas resolvessem satisfatoriamente problemas reais, era necessário incorporar neles grandes quantidades de conhecimentos sobre o problema (PASSOS, 1989). Os SE começaram a surgir comercialmente entre 1980 e 1981. A primeira companhia formada exclusivamente para produzi-los foi a Intelli Genetics, no campo de engenharia genética e com técnicos oriundos do Projeto de Programação Heurística da Universidade de Stanford (SAVARIS, 2002). Assim os SE após terem se desenvolvido por 15 anos como mera curiosidade da IA aplicada em laboratórios de pesquisa, tornaram-se alvo de significativos esforços de desenvolvimento, tanto técnicos como comerciais (SAVARIS, 2002). Recentemente, muitas empresas – como a brasileira iLab Sistemas Especialistas, têm explorado esta tecnologia.
Embora sistemas especialistas e peritos reais possam em alguns casos desempenhar tarefas idênticas, as características de ambos são criticamente diversas. Mesmo havendo algumas vantagens evidentes dos sistemas especialistas, eles não poderão substituir os peritos em todas as situações devido a algumas limitações inerentes. A tabela abaixo resume esta comparação (SAVARIS, 2002): TABELA 3 - Conhecimento Artificial X Conhecimento Humano (Fonte: Dissertação de Silvana Savaris, pág. 5)
CONHECIMENTO ARTIFICIAL Consistente Sem inspiração Inflexível Permanente Fácil de transferir Fácil de documentar Baixo custo Individualizado Enfoque restrito Técnico Imparcial
CONHECIMENTO HUMANO Imprevisível Criativo Adaptável Perecível Difícil de transferir Difícil de documentar Alto custo Social Enfoque amplo Baseado em senso comum Discriminatório
4.3 – Classificação de um SE Segundo Luger (1998), a diversidade de domínios como medicina, engenharia, educação e apoio empresarial, utilizando soluções baseadas em sistemas especialistas, possibilitou a exploração de diversas categorias de problemas. Dentre estas categorias estão: Interpretação - São sistemas que inferem descrições de situações a partir da observação de fatos fazendo uma análise de dados e procurando determinar as relações e seus significados. Devem considerar as possíveis interpretações, descartando as que se mostrarem inconsistentes. Diagnósticos - São sistemas que detectam falhas oriundas da interpretação de dados. A análise dessas falhas pode conduzir a uma conclusão diferente da simples interpretação de dados. Detectam os problemas mascarados por falhas dos equipamentos e falhas do próprio diagnóstico, que este não detectou por ter falhado. Estes sistemas já têm embutido o sistema de interpretação de dados. Monitoramento - Interpreta as observações de sinais sobre o comportamento monitorado. Tem de verificar continuamente um determinado comportamento em limites préestabelecidos, sinalizando quando forem requeridas intervenções para o sucesso da execução.
Um sinal poderá ser interpretado de maneiras diferentes, de acordo com a situação global percebida naquele momento, e a interpretação varia de acordo com os fatos que o sistema percebe a cada momento. Predição - A partir de uma modelagem de dados do passado e do presente, este sistema permite uma determinada previsão do futuro. Como ele baseia sua solução na análise do comportamento dos dados recebidos no passado, de ter mecanismos para verificar os vários futuros possíveis, a partir da análise do comportamento desses dados, fazendo uso de raciocínios hipotéticos e verificando a tendência de acordo com a variação dos dados de entrada. Planejamento - O sistema prepara um programa de iniciativas a serem tomadas para se atingir um determinado objetivo. São estabelecidas etapas e sub-etapas e, em caso de etapas conflitantes, são definidas as prioridades. Possui características parecidas com o sistema para a predição e normalmente opera em grandes problemas de solução complexa. O princípio de funcionamento, em alguns casos, é por tentativas de soluções, cabendo a análise mais profunda ao especialista que trabalha com esse sistema. Enfoca os aspectos mais importantes e particiona de maneira coerente um problema em subproblemas menos complexos, estabelecendo sempre o relacionamento entre as metas destes subproblemas e a meta principal. Projeto - Tem características parecidas com as do planejamento, e devem-se confeccionar especificações tais que sejam atendidos os objetivos dos requisitos particulares. É um sistema capaz de justificar a alternativa tomada para o projeto final, e de fazer uso dessa justificativa para alternativas futuras. Depuração - Trata-se de sistemas que possuem mecanismos para fornecerem soluções para o mau funcionamento provocado por distorções de dados. Provê, de maneira automática, verificações nas diversas partes, incluindo mecanismos para ir validando cada etapa necessária em um processo qualquer. Reparo - Desenvolve e executa planos para administrar os reparos verificados na etapa de diagnóstico. Um sistema especialista para reparos segue um plano para administrar alguma solução encontrada em uma etapa do diagnóstico. São poucos os sistemas desenvolvidos, porque o ato de executar um conserto em alguma coisa do mundo real é uma tarefa complexa. Instrução - Tem um mecanismo para verificar e corrigir o comportamento do aprendizado dos estudantes. Normalmente, incorporam como subsistemas um sistema de diagnóstico e de reparo, e tomam por base uma descrição hipotética do conhecimento do aluno. Seu funcionamento consiste em ir interagindo com o treinando, em alguns casos
apresentando uma pequena explicação e, a partir daí, ir sugerindo situações para serem analisadas pelo treinando. Dependendo do comportamento deste, se vai aumentando a complexidade das situações e encaminhando o assunto, de maneira didática, até o nível intelectual do treinamento. Controle - Governa o comportamento geral de outros sistemas (não apenas de computação). É o mais completo, de um modo geral, pois deve interpretar os fatos de uma situação atual, verificando os dados passados e fazendo uma predição do futuro. Apresenta os diagnósticos de possíveis problemas, formulando um plano ótimo para sua correção. Este plano de correção é executado e monitorado para que o objetivo seja alcançado
4.4 – Elementos de um Sistema Especialista Baseada em uma estrutura modular, composta pelos módulos: engenharia do conhecimento, base de conhecimentos, mecanismo de inferência e memória de trabalho, a arquitetura dos sistemas especialistas muitas vezes provê reaproveitamento dos módulos entre diferentes soluções (LUGER, 1998). Existem várias arquiteturas de sistemas especialistas sendo usadas. Dentre elas a mais simples de compreender e a mais difundida apresenta uma composição que pode ser dividida em: Engenharia do conhecimento, Base de conhecimento, Mecanismo ou máquina de inferência e Memória de trabalho ou quadro negro (MANCHINI, 2005).
4.4.1 – Engenharia do Conhecimento A função do engenheiro do conhecimento é extrair dos especialistas humanos, seus procedimentos, estratégias e raciocínios, etc. e codificá-lo de forma a gerar a base de conhecimentos (MIRANDA, 2006).
FIGURA 7 - Funcionamento da Engenharia do Conhecimento
4.4.2 – Base de conhecimento Segundo estudo realizado por Nikolopoulos (1997), “a base de conhecimento, como o nome já sugere, é onde são armazenados, na forma de regras, geralmente do tipo if-then , os conhecimentos adquiridos no módulo de aquisição de conhecimento”. O processo de conversão desses conhecimentos em regras ou outro formato que possa ser representado e manipulado por computador é chamado representação do conhecimento . Sistemas especialistas que usam regras para representar o conhecimento são chamados sistemas especialistas baseados em regras (NIKOLOPOULOS, 1997).
FIGURA 8 - Base de conhecimento (Fonte: www.eps.ufsc.br)
4.4.3 – Memória de trabalho ou quadro Negro Segundo Ribeiro (1987), o quadro negro (ou rascunho da área de trabalho), é a área de memória do sistema especialista onde o sistema vai gravando e apagando os dados que usa, no processo de inferência, até chegar a uma solução. Para se chegar a uma solução, há
necessidade de se avaliarem regras que são recuperadas na base de conhecimento para uma área de trabalho na memória. Nesse local essas regras são ordenadas periodicamente em uma nova ordem para serem avaliadas. Durante essa avaliação deve-se verificar fatos e hipóteses e, também necessita-se de uma área para serem guardados os valores das variáveis para se trabalhar tais tarefas ou hipóteses. As conclusões dessas regras irão gerar novos fatos e novas hipóteses que precisam ser guardados (gravados) temporariamente durante o processo de inferência (dedução), em algum local (RIBEIRO, 1987, apud IZIDORO, 2005). Essa área de memória usada para a execução das operações acima chama-se quadro negro ou rascunho (RIBEIRO, 1987, apud IZIDORO, 2005). Desta forma, o quadro negro armazena informações, fatos e estruturas de suporte ao funcionamento do sistema, quando este efetua raciocínios (RIBEIRO, 1987, apud IZIDORO, 2005).
FIGURA 9 - Memória de Trabalho ou Quadro Negro (Fonte: www.eps.ufsc.br)
4.4.4 – Mecanismo ou máquina de inferência Implementa os algoritmos que decidirão quais as regras que serão satisfeitas pelos fatos ou objetos. Posteriormente, prioriza essas regras e executa aquela que obtiver maior prioridade (GIARRATANO, 1998). Em geral, sua implementação é independente do domínio da aplicação, ou seja, dependerá principalmente da forma como o conhecimento foi representado na base de conhecimento (NIKOLOPOULOS, 1997).
FIGURA 10 - Mecanismo ou Máquina de Inferência (Fonte: www.eps.ufsc.br)
4.5 – Quando os Sistemas Especialistas são utilizados Sempre que um problema não pode ser algoritmizado, ou sua solução conduza a um processamento muito lento, os sistemas especialistas podem ser uma saída, pois possuem o seu mecanismo apoiado em processos heurísticos (RIBEIRO, 1987, apud IZIDORO, 2005). A tabela 04 apresenta as principais aplicações de um SE: TABELA 4 - Áreas de aplicações de SE
SETOR Direção geral
APLICAÇÃO -Gestão da informação dos diversos terminais -Consulta de sistemas informáticos centrais e terminais -Consultoria a especialistas - Análise orçamentária - Ajuda ao diagnóstico geral da empresa - Ajuda a escolhas orçamentárias - Ajuda à tomada de decisões estratégicas - Gestão da informação de diferentes serviços
Direção de filial ou de departamento
- Consultoria dos sistemas informáticos centrais - Consultoria de especialistas - Análise orçamentária - Ajuda de definições orçamentárias - Ajuda à tomada de decisão - Análise econômica para inserção de produto ou serviço
Marketing
- Ajuda ao estudo do mercado e das necessidades - Análise dos estudos de sondagem - Análise das forças e fraquezas da concorrência - Análise das reações da clientela
Pesquisa e Desenvolvimento
- Determinação das especificações de um produto ou serviço - Ajuda à consulta de bancos de dados externos - Ajuda à concepção de um produto novo a partir de especificações e do conhecimento científico ou técnica disponível - Ajuda à criatividade
Estudos
- Análise de funcionamento de um protótipo - Ajuda à configuração de uma estrutura de muitos componentes - Ajuda à concepção de assistida por computador - Ajuda na escolha de materiais - Ajuda à definição do produto de melhor relação
Produção
qualidade/preço - Ajuda à elaboração dos processos de fabricação - Ajuda à concepção e à fabricação assistida por computador (CAD/CAM) - Ajuda à organização e planejamento - Ajuda à Gestão da Produção Assistida por Computador (CAPP) - Controle de robôs e centros flexíveis - Gestão de alarmes e de sistemas de segurança - Manutenção de equipamentos - Controle de Qualidade
Vendas
- Gestão de inventários - Gestão da rede de distribuição - Gestão de estoques - Ajuda à manutenção dos produtos vendidos - Ajuda à publicidade, escolha de mídia e do conteúdo das mensagens
Financeira
- Análise das reações dos clientes - Ajuda à gestão financeira (escolha de financiamentos, investimentos...) - Gestão do planejamento financeiro - Gestão das contas fornecedores e clientes - Determinação dos gaps significativos da gestão orçamentária
- Ajuda ao controle de gestão
Recursos Humanos
- Pagamento de pessoal - Gestão dos desideratos do pessoal (escolhas das vantagens, dos postos de trabalho etc.). - Assistência à seleção e às promoções - Ajuda à determinação dos perfis de capacitação do pessoal
Administrativo e Organizacional
necessário à empresa - Ajuda à elaboração dos processos - Ajuda à simplificação da organização e das tarefas - Classificação dos processos homogêneos a todas as estruturas - Ajuda ao aumento da produtividade em todas as tarefas
Relações exteriores (relações públicas)
executadas na empresa - Ajuda à análise da imagem da empresa - Gestão das mídias e das mensagens
4.6 – Linguagem de Programação para Sistemas Especialistas Sistemas especialistas são construídos a partir de linguagens de programação simbólica, de ferramentas que implementam uma forma particular de representação de conhecimento ou ainda de sistemas híbridos, que implementam mais de uma forma de representação de conhecimento e ainda disponibilizam uma linguagem de programação para o desenvolvimento (ABEL, 1998). Segundo Abel (1998), “as linguagens são mais flexíveis de utilizar, ajustam-se a qualquer problema, resolvem particularidades da informação, porém requerem maior experiência de programação”. Linguagens convencionais, dirigidas para processamento numérico, como C, FORTRAN ou PASCAL podem ser utilizadas para o desenvolvimento de sistemas especialistas, porém requerem um esforço muito maior de programação. As estruturas básicas de manipulação de símbolos e a gerência dinâmica de memória e de estruturas de dados devem ser totalmente codificadas pelo programador. Nas linguagens como LISP e PROLOG, essas tarefas são realizadas pela própria linguagem, diminuindo o trabalho de implementação e depuração (ABEL, 1998).
4.6.1 – LISP
A linguagem de programação LISP (do inglês, “ List Processing ” – processamento de listas) foi criada em 1958 por John McCarthy, o que a torna a segunda mais antiga linguagem de programação de alto nível, mais recente apenas que a linguagem FORTRAN (MCCARTHY, 1978). A linguagem foi inicialmente implementada em um computador IBM 704 pelo Grupo de Inteligência Artificial do Massachusetts Institute of Technology (MIT) (NEWELL, 1960). Segundo Newell (1960), a principal motivação para o desenvolvimento da linguagem LISP foi
facilitar os experimentos com o sistema “ Advice Taker”' , um sistema desenvolvido
com a missão de apresentar um certo “bom senso” ao seguir instruções recebidas sob a forma de sentenças declarativas e imperativas. O principal requisito exigido da linguagem era a possibilidade de manipular expressões representando sentenças lógicas, isto é, a linguagem deveria permitir manipulação simbólica.
4.6.2 – PROLOG Segundo Izidoro (2006) o PROLOG ( Programming in Logic) “é uma linguagem de programação centralizada em torno de um pequeno conjunto de mecanismos: pesquisa por padrão ( pattern-matching ), estrutura de dados baseada em árvore e backtracking automático (caminho de volta)”. Este pequeno conjunto constitui uma estrutura poderosa e flexível de programação. O PROLOG é especialmente indicado para objetos – principalmente usada como linguagem suporte em aplicações não numéricas e em IA (IZIDORO,2006) O PROLOG foi uma idéia que nasceu em 1972 para usar lógica com uma linguagem de programação. As pessoas que desenvolveram esta idéia foram (IZIDORO, 2006): Robert Kowalski – Lado teórico Maarten Van Emdem – Demonstração experimental Alain Comerauer - Implementação Enquanto as linguagens convencionais usam um conceito de programação procedural (como o Pascal), a linguagem PROLOG é uma linguagem declarativa (IZIDORO, 2006). Exemplos de onde utilizar PROLOG: - Controlar e monitorar processos industriais; - Implementar Banco de Dados Inteligente; - Traduzir linguagens para linguagens naturais (humana), ou de uma linguagem de programação para outra;
- Construir interfaces de linguagem natural; - Construir Sistemas Especialistas; - Construir pacotes para manipulação de símbolos que resolvam equações, diferenciais e integrais não definidas, e demonstração de teoremas.
4.7 – Ferramentas para implementação de um Sistema Especialista Nos últimos anos tem crescido bastante o número de trabalhos e pesquisas de ferramentas computacionais em Inteligência Artificial que procuram capturar e simular o comportamento de especialistas humanos. A construção de um software para o desenvolvimento de sistemas especialistas - shell - não é trivial, tendo em vista que este software deve implementar o tratamento de problemas complexos do mundo real que necessitam da interpretação de um especialista. A necessidade de utilização de sistemas especialistas deve-se a diversos fatores tecnológicos e econômico-sociais, dentre os quais temos (NOGUEIRA, 1998): - a dificuldade de acesso a especialistas humanos em determinadas regiões; - o armazenamento e formalização do conhecimento de vários especialistas humanos; - ferramenta de apoio à tomada de decisões por parte do especialista; - treinamento de profissionais e - imparcialidade na tomada de decisões. A arquitetura mais comum de sistemas especialistas é a que envolve regras de produção. Essas regras são simplesmente um conjunto de condições no estilo IF... THEN... com a possibilidade de inclusão de conectivos lógicos relacionando os atributos no escopo do conhecimento e o uso de probabilidades, como vemos no exemplo a seguir (NOGUEIRA, 1998): SE lesão nas folhas = Sim E queda de folhas = Sim ENTÃO Doença = Cercosporiose CNF 100%
Visando uma maior viabilidade econômica na implementação de um sistema especialista, e considerando-se que diversos sistemas compartilham uma máquina de inferência
e outras características comuns de ambiente, foram criadas ferramentas, shells,
aptas a realizar muito do trabalho necessário para transpor um sistema especialista para um computador. Essas ferramentas permitem que o criador do sistema preocupe-se somente com
a representação do conhecimento dos especialistas, deixando para o shell a tarefa de interpretar o conhecimento representado e executá-lo em uma máquina, além de permitir depurações e explicações de como o computador chegou àquela (s) conclusão (ões). A principal função de um shell é simplificar ao máximo o trabalho de implementação de um sistema especialista (NOGUEIRA, 1998).
4.7.1 – Shells de Sistemas Especialistas Um shell é uma ferramenta genérica para implementação de bases de conhecimento. Que de tal modo, o desenvolvedor não se preocupa com a máquina de inferência, apenas com o conjunto de regras que modelam o conhecimento desejado. Normalmente um shell inclui (BARRETO, 2006): -
Ferramentas para introduzir conhecimento na base de conhecimento;
-
Um ou vários motores de Inferência;
-
Mecanismos para tratar imprecisão;
-
Mecanismos para tratar incertezas;
-
Mecanismos de seguir passo a passo o funcionamento do programa de modo a encontrar possíveis erros;
-
Uma comunicação homem-máquina.
4.7.1.1 – Exemplos de shells para a construção de sistemas especialistas 4.7.1.1.1 – CLIPS Conforme Cullbert (2005), a origem do C Language Integrated Production System
(CLIPS) data por volta de 1984, no centro espacial Johnson Space Center , na NASA.
Naquela época, a seção de IA tinha desenvolvido mais de uma dúzia de protótipos de aplicações de sistemas especialistas. Porém, apesar de demonstrações extensas do potencial de sistemas especialistas, poucos destas aplicações foram colocadas em uso regular. Este fracasso para prover tecnologia de sistemas especialista dentro dos constrangimentos de computação operacionais de NASA poderia ser localizado em grande parte ao uso da linguagem de programação LISP como o idioma básico para quase todas as ferramentas de software de sistema especialistas naquele momento. Em particular, três problemas impediram o uso de LISP nas ferramentas baseadas em Sistema Especialista na NASA: a baixa
disponibilidade de LISP e uma variedade de computadores convencionais, o alto custo de ferramentas LISP e hardware, e a integração pobre de LISP com outros idiomas. Conhecendo todas as suas necessidades de maneira efetiva, então ficou evidente que a Seção de IA teria que desenvolver sua ferramenta de sistema especialista baseada na linguagem C (CULLBERT, 2005). O protótipo da versão do CLIPS foi desenvolvido no verão de 1985, em menos de dois meses. Foi dada uma atenção particular para a compatibilidade com os sistemas desenvolvidos naquela época pela seção de IA da NASA. Assim a sintaxe do CLIPS foi escrita bem semelhante à sintaxe de um subconjunto de uma ferramenta de sistema especialista chamado ART. Embora modelado em semelhança à ferramenta ART, o desenvolvimento do CLIPS foi completamente sem a ajuda de inferência ou acesso do código do ART (CULLBERT, 2005). A intenção original do CLIPS era ganhar perspicácia útil e conhecimento sobre a construção de ferramentas de sistema especialistas e pôr a base para a construção de uma ferramenta de substituição para as ferramentas comerciais que são atualmente usadas. Depois de seu desenvolvimento, ficou claro que o CLIPS seria uma ferramenta de sistema especialista de baixo custo ideal para treinamento. O desenvolvimento e aprimoramento da ferramenta trouxeram ao CLIPS maior portabilidade, desempenho e funcionalidade (CULLBERT, 2005). Mais adiante as alterações promoveram o CLIPS de uma ferramenta de treinamento para uma ferramenta de desenvolvimento muito útil para a confecção de sistemas especialistas (CULLBERT, 2005). Devido a sua portabilidade, extensibilidade e baixo custo o CLIPS tem uma boa aceitação de empresas desenvolvedoras de sistemas especialistas – como a brasileira KEOHPS ( Knowledge Engenharia, Sistemas Hidráulicos e Pneumáticos Ltda.), que atua na área de engenharia do conhecimento, inteligência artificial e sistemas especialistas. O desenvolvimento do CLIPS ajudou a melhorar a tecnologia de sistemas especialistas dos setores públicos e privados para uma gama extensiva de aplicações e ambiente de computação diversa (CULLBERT, 2005). A sua interface gráfica – xclips –auxilia na visualização e depuração de programas CLIPS. A janela principal (FIGURA 4) mostra o terminal, que permite a programação do CLIPS, e os menus que permitem fazer a carga e salvamento de programas, auxiliam na execução do sistema e fazem à visualização de componentes do ambiente (PEZZI, 2005).
FIGURA 11 - Janela principal do xclips (Fonte: PEZZI, 2005)
4.7.1.1.2 – JESS JESS é um “acrônimo” ou sigla para Java Expert System Shell . Ele é uma engine de regras, ou seja, é uma máquina de regras e um ambiente de script escrito inteiramente em Java por Ernest Friedman-Hill nos laboratórios da Sandia National , em Livermore, Canadá. O JESS originalmente foi inspirado no CLIPS expert system Shell , mas cresceu em um distinto e influenciado ambiente Java de criação. Usando JESS, podemos construir applets Java e aplicações com capacidade de argumentar, usando conhecimento na forma de regras declarativas. Como o CLIPS, o JESS tem uma sintaxe como a do LISP. (FRIEDMAN, 2003). A máquina de inferência do JESS utiliza o algoritmo RETE (rede), dando maior eficiência ao processamento de regras. O funcionamento desse algoritmo se dá pela construção de uma rede de nós, onde cada nó representa testes feitos em cima do lado esquerdo das regras. Fatos que serão adicionados ou removidos da memória de trabalho são processados pela rede até atingirem a base, onde estão as regras individuais. Se um conjunto
de fatos processado pela rede passa por todos os testes sobre o lado esquerdo de uma regra em particular, o lado direito dessa regra é executado, caso a remoção de um dos fatos da memória de trabalho não invalide a regra (FRIEDMAN-HILL, 2005). A estrutura básica de uma aplicação consiste numa base de regras que representa o conhecimento do especialista humano em um domínio específico, sobre o qual a aplicação será construída. O motor de inferência realiza o processamento do conhecimento. O processamento consiste em tirar conclusões a partir do conhecimento armazenado, através do encadeamento lógico das regras (FIGURA 5). O motor de inferência do JESS suporta tanto o encadeamento para trás ou regressivo ( backward chaining ) quanto o encadeamento progressivo ou à frente ( forward chaining ) (BITTENCOURT, 2001).
FIGURA 12 - Exemplo de execução de uma regra utilizando JESS (Fonte: FRIEDMAN, 2003)
O JESS, apesar de ser o primeiro sistema especialista definido para Java, sofre dos mesmos problemas de CLIPS, basicamente a baixa integração do sistema com a linguagem hospedeira. Ainda existe a separação dos mundos de objetos Java e o de objetos (ou fatos) JESS, e a sintaxe utilizada na definição das regras em nada se assemelha à da linguagem hospedeira, fazendo com que o usuário, tipicamente um programador Java, tenha que passar um tempo maior no entendimento do sistema (FIGUEIRA, 1999). A necessidade que os objetos sejam capazes de avisar sobre modificações ocorridas em suas propriedades também limita a utilização do sistema, que fica impossibilitado, por exemplo, de utilizar classes definidas por terceiros, uma prática bastante comum no desenvolvimento orientado a objetos (FIGUEIRA, 1999).
4.7.1.1.3 – Expert SINTA Foi desenvolvido entre 1995 e 1998 no Laboratório de Inteligência Artificial (LIA), localizado no Departamento de Computação da Universidade Federal do Ceará (UFC) (NOGUEIRA, 1998). É um shell implementado na linguagem de programação orientada a objetos Borland Delphi,
dando um suporte visual de fácil operação. Permite o desenvolvimento modular de
bases de conhecimento através de uma interface de fácil manipulação e de utilitários criados para depuração (NOGUEIRA, 1998). O Expert SINTA proporciona uma economia de tempo para os desenvolvedores da base de conhecimento e também um melhor aproveitamento por parte do usuário final ao permitir a inclusão de hipertextos explicativos sobre as possíveis soluções encontradas pelo sistema. Além destas facilidades, traz um ambiente de trabalho que possibilita, tanto ao projetista do conhecimento quanto ao usuário final, o uso das facilidades mencionadas sem que seja necessário um conhecimento aprofundado de informática. Isto é conseguido através de um modelo visual, ao contrário de outras ferramentas que utilizam pseudo-linguagens para projeto e adaptação do conhecimento do especialista. (NOGUEIRA, 1998). Os SE gerados no Expert SINTA seguem a arquitetura conforme a FIGURA 13:
FIGURA 13 - Arquitetura simplificada do Expert SINTA (Fonte: NOGUEIRA, 1998)
onde:
Base de conhecimentos representa a informação (fatos e
utiliza, representada computacionalmente;
regras) que um especialista
Editor de bases
é o meio pelo qual o shell permite a implementação das bases
desejadas;
Máquina de Inferência
é a parte do SE responsável pelas deduções sobre a base de
conhecimentos;
Banco de Dados Global são as evidências apontadas pelo usuário do sistema
especialista durante uma consulta.
V - SISTEMA ESPECIALISTA PARA DIAGNÓSTICO DE DOENÇAS DO CAFÉ – SEDDC
5.1 – Introdução A época de colheita do café é talvez a mais importante do ano para os produtores rurais (cafeicultores), que estarão colhendo os frutos de um ano todo de trabalho. Porém, nem todos conseguem chegar a esta época tão esperada com o cafezal invicto de doenças, o que faz com que não se colha ou então se colha muito menos café do que o esperado. Problema esse, que poderia ser evitado se fosse possível identificar as doenças antes da morte da planta e do alastramento para as demais. O grande problema é que a maioria dos produtores possui pouco ou nenhum conhecimento sobre estas doenças, e só conseguem diagnosticá-la com a ajuda de um especialista (agrônomo), mas nem sempre o especialista tem disponibilidade para o atendimento na hora e local solicitado, e os que se encontram disponíveis, não conseguem diagnosticar de imediato a doença devido à quantidade de informações que devem ser manipuladas para o diagnóstico preciso, precisando então levar uma amostra de folhas infectadas para laboratórios especiais, fazendo com que o produtor exponha sua lavoura a um grande risco, pois quanto maior o tempo de atraso para diagnóstico da doença que ataca o cafezal, mais difícil fica de ser feito o tratamento, resultando muitas vezes na morte de parte ou de toda a lavoura cafeeira. Na tentativa de obter uma ferramenta capaz de fornecer subsídio ao produtor e agrônomo na resolução deste problema rotineiramente defrontado em suas atividades, construiu-se o protótipo do SEDDC. Este protótipo será uma ferramenta capaz de diagnosticar oito tipos de doenças foliares cafeeiras, mas deverá ser utilizado somente de forma auxiliar aos produtores rurais, não dispensando a consulta a um especialista, a quem destinar-se-á o tratamento da doença. Para elaboração do SEDDC, a metodologia utilizada foi: aquisição do conhecimento, definição do problema, influências no prognóstico e desenvolvimento. A aquisição do conhecimento (ANEXO A) realizou-se por meio de entrevistas com especialistas – os engenheiros agrônomos Raul Carvalho Guimarães, Maquil dos Santos Silva Pereira e Carlos Alberto Mesquita Rabelo Junior formados pela Escola Superior de Agronomia e Ciências de Machado (ESACMA), e o engenheiro agrônomo Wendel Brito,
formado pela Universidade de Alfenas (UNIFENAS) –, por materiais fornecidos pela fundação PROCAFÉ, por pesquisas realizadas em sites – Coffee Break, EMBRAPA, Portal do Agronegócio, Centro de Inteligência do Café (CIC) – e pesquisas em livros – “Adubos, corretivos e defensivos para a lavoura cafeeira: Indicação de uso” de J.B. Matiello et al.. Depois de identificadas as doenças mais comuns na região sul mineira, verificou-se os fatores que possuem relação direta com seu surgimento. Identificadas todas as causas, passou-se para a definição e quantificação das variáveis, de acordo com a experiência adquirida em manejo do café por parte dos especialistas, obtendo-se as probabilidades. Após esclarecimento sobre as doenças e definição da abrangência do sistema, definiuse a ferramenta – shell – que será utilizada para implementação do sistema. A ferramenta definida para projetar o SEDDC é o shell Expert SINTA, por ser gratuito, não utilizar pseudo-linguagens e também simplificar ao máximo as etapas de criação de um SE completo. A base de conhecimento no Expert SINTA, envolve os seguintes atributos que são indicados pelo(s) engenheiro(s) do conhecimento no desenvolvimento de um SE: - Variáveis - Objetivos - Regras - Interface - Informações adicionais Quando estes elementos já estiverem definidos torna-se possível a utilização do sistema.
5.2 – Desenvolvimento do Protótipo do SEDDC 5.2.1 - Gerenciando Bases Como padrão, O Expert SINTA grava as bases de conhecimento geradas em arquivos *.BCM. No menu Arquivo tem-se as seguintes opções: -
Abrir base: abre bases pré-existentes em seus discos.
- Nova
base: cria uma base totalmente nova.
- Salvar base: salva a base de conhecimento que está em uso.
-
Salvar como: cria uma base de conhecimento igual aquela que está em uso, porém com outro nome.
-
Imprimir: impressão da base de conhecimentos.
Muitas das opções dos menus encontram-se também na barra de ferramentas, inicialmente presente no topo da área de trabalho do Expert SINTA. Opções relativas à gerência de bases
FIGURA 14 - Barra de Ferramentas do Expert SINTA
5.2.2 – A janela “ Knowledge-in-a-box ” A janela “ Knowledge-in-a-box ” (KIB) traz todas as opções de desenvolvimento de base, além de uma lista com todas as regras presentes até o momento.
FIGURA 15 - Janela KIB
5.2.3 – Criando variáveis Antes de se poder criar as regras do SE em desenvolvimento, é necessário que todas as variáveis utilizadas, bem como seus respectivos valores, sejam criadas e lançadas no Expert SINTA. Na janela KIB, clicando no botão “Variáveis”, aparecerá a seguinte janela:
FIGURA 16 - Criando variáveis
Esta janela permite incluir e excluir variáveis e valores, e também dizer se uma variável é numérica (não possui valores pré-estabelecidos, seu valor será um número digitado pelo usuário), multivalorada (o usuário poderá marcar no menu, um ou mais de seus valores pré-estabelecidos) ou univalorada (o usuário poderá marcar somente um de seus valores préestabelecidos, no menu). No desenvolvimento do SEDDC foram criadas 26 variáveis (ANEXO B).
5.2.4 – Definindo o(s) objetivo(s) O objetivo de uma consulta a um especialista é encontrar a resposta para um determinado problema. Assim também é um sistema especialista. A diferença é que, aqui, os “problemas” são representados por variáveis. Antes de se poder executar um SE pela primeira vez no Expert SINTA, é preciso que defina-se quais são as variáveis (chamadas variáveis objetivo ) que irão
controlar o modo como a máquina de inferência se comporta.
Quando clicado no botão “Objetivos” da janela KIB, aparece uma janelacom duas listas: a lista das variáveis comuns e a das variáveis objetivo (FIGURA 17).
FIGURA 17 - Definindo a variável objetivo
Para o SEDDC foi necessário a criação de somente uma variável objetivo: à variável Doença .
5.2.5 – Trabalhando com regras O Expert SINTA utiliza regras de produção para modelar o conhecimento humano, o que o torna ideal para problemas de seleção, no qual uma determinada solução deve ser atingida a partir de um conjunto de seleções. Na janela KIB têm-se os seguintes botões: - “Nova regra”: cria uma nova regra. - “Abrir regra”: abre uma regra. - “Excluir regra”: exclui uma regra. Quando se cria uma nova regra uma caixa de diálogo pede para que se indique a posição dessa regra em relação às demais (pois a ordem das regras influencia o descobrimento de soluções). E também, pede-se para dizer se esta regra será baseada em um outro modelo de regra já existente.
FIGURA 18 - Nova Regra – Ordem e Modelo
Depois de se ter definido a ordem e modelo da nova regra, é preciso montá-la inserindo as premissas e conclusão. A FIGURA 19 mostra a janela onde a regra será montada:
FIGURA 19 - Janela onde a regra será montada
Inserindo uma premissa: é preciso selecionar o “SE” e utilizar o botão “Incluir”. Então aparecerá uma janela com as opções para se inserir a nova premissa (FIGURA 20).
FIGURA 20 - Nova Regra – Inserindo uma premissa
A primeira lista indica a variável a ser utilizada e a última o valor com o qual estabelecemos uma relação. É também possível identificar o tipo de relação: igualdade (“=”), diferença (“<>”), superioridade (“>” - somente para variáveis numéricas), entre outras. Caso a premissa não seja a primeira da regra, você deverá indicar o tipo de conectivo (E ou OU) pelo qual a premissa se liga à anterior. Inserindo uma conclusão: é preciso selecionar o “ENTÃO” e utilizar o botão “Incluir”. Aparecerá então uma janela com as opções para se inserir a conclusão (FIGURA 21).
FIGURA 21 - Nova Regra – Inserindo uma conclusão
Quando inserindo uma conclusão, somente o operador de atribuição (“=”) pode ser utilizado. A lista Fator de confiança indica o grau de confiança daquela atribuição. Deixar a lista vazia indica uma confiança de 100% (cem por cento). Para editar e eliminar uma sentença, é preciso utilizar os botões Alterar e Excluir respectivamente.
FIGURA 22 - Nova Regra – Editando e Eliminando uma sentença.
Para o SEDDC foram criadas 43 regras de produção (ANEXO C)
5.2.6 – Definindo Interface com o usuário Um SE criado no Expert SINTA, comunica-se com o usuário final através de menus de múltipla escolha (ou escolha simples, se a variável em questão for univalorada). Estes menus são construídos automaticamente pela shell , mas alguns detalhes devem ser fornecidos.
FIGURA 23 - Criando Interface
Clicando no botão “Interface” da janela KIB, é possível estar criando as perguntas pelas quais o sistema interagirá com o usuário (FIGURA 23). A pergunta realizada pela máquina de inferência deve ser personalizada para que seja inteligível. No SEDDC para cada variável comum foi elaborada uma pergunta diferente (ANEXO D).
5.2.7 – Informações adicionais sobre a base A janela Informações sobre a Base (FIGURA 24), exibida a partir do botão “Informações” da janela KIB, permite a definição de informações esclarecedoras sobre a base, indicação dos autores e definição de contextos de ajuda que podem ser vitais para o aproveitamento do sistema especialista.
FIGURA 24 - Criando Informações adicionais sobre a Base
5.2.8 – Opções Para permitir maior flexibilidade na construção de um sistema especialista, o Expert SINTA oferece diversas opções de configuração. Para acessá-las, utiliza-se o menu Exibir e em seguida Opções. Uma caixa de diálogo com três partes aparecerá. - 1ª parte: Máquina de Inferência (FIGURA 25).
FIGURA 25 - Opções – Máquina de Inferência
Permite pequenas modificações no comportamento da máquina de inferência, como o modo pelo qual as premissas são avaliadas.
Utiliza-se Conjunção (E), em sistemas onde precisa-se de qualquer forma chegar a um resultado, pois com este tipo de precedência uma regra pode ser aceita mesmo que não esteja completamente correta. Utiliza-se Disjunção (OU), em sistema onde a resposta tem que ser precisa, pois neste tipo de precedência, uma regra só será aceita se todas as premissas estiverem completamente corretas. Em sistemas de diagnóstico de doenças, normalmente se utiliza a precedência OU. - 2ª parte: Fatores de Confiança (FIGURA 26). Após avaliar todas as premissas de uma regra, o Expert SINTA pode aceitá-la ou rejeitá-la. Se, ao calcular o fator de confiança final ele for maior que o mínimo estipulado, a regra será aceita.
FIGURA 26 - Opções – Fatores de Confiança
É nessa janela que se define o valor mínimo para aceitação ou rejeição de uma regra. Também é nela que se pode alterar as funções de cálculo de fatores de confiança (caso não se altere as fórmulas, então o Expert SINTA usará a sua fórmula padrão).
-3ª parte: Senhas (FIGURA 27).
FIGURA 27 - Opções - Senhas
Um sistema especialista é um programa como os outros programas de computador. Portanto, pode fazer-se necessário algum tipo de restrição no uso deste software. As restrições permitidas pelo Expert SINTA são: - Permitir execução e visualização: O usuário não terá permissão de alterar a base, mas poderá, executar, visualizar e imprimir normalmente. Isto garantirá que a base não perca sua consistência. - Permitir somente execução: O usuário sem senha apenas poderá executar o sistema, mas não poderá modificar sua base e menos ainda visualizá-la. Esta opção seria interessante somente para evitar pirataria, pois, um sistema especialista que não exibe o conteúdo de suas regras e não permite acompanhar sua execução e verificar como atingiu o resultado exibido, não merece a mesma confiabilidade de um sistema que permite o completo acesso às suas regras. - Nenhuma permissão: Somente pessoas com senha podem utilizar esse sistema especialista.
5.2.9 – Consultando o SEDDC O Expert SINTA mantém uma interface uniforme para a consulta de qualquer base de conhecimento criada em seu ambiente. Existem dois modos pelos quais podem ser efetuadas consultas:
A execução usual, na qual o usuário acompanha uma seqüência de menus de múltipla (ou única) escolha, nos quais deve-se indicar informações que resultarão nas conclusões atingidas pelo sistema especialista; Ou modo de acompanhamento, pelo qual é possível examinar o conteúdo das regras que formam o sistema, bem como acompanhar a execução passo a passo e as instâncias (valores) que cada variável possui em determinado momento. Através da tecla F9 ou do menu Consulta e depois Iniciar (FIGURA 28) ou ainda do ícone iniciar da barra de ferramentas de consulta (FIGURA 29) (esta barra de ferramentas possui também outros ícones como voltar pergunta, pausar e parar), o sistema inicia o questionário conforme a ordem estabelecida nas regras.
FIGURA 28 - Menu Consulta
Iniciar
Pausar
Voltar pergunta
Parar
FIGURA 29 - Barra de ferramentas Consulta
Os ícones ou opções que estiverem em cinza não estão disponíveis naquele momento. Iniciando-se a consulta, o sistema especialista poderá apresentar uma tela de abertura (FIGURA 30), com informações sobre seu funcionamento, os autores e casos aos quais ele se aplica, ou outra informação. Para iniciar a consulta, deve-se pressionar o botão OK. O botão Cancelar abandona a execução do sistema especialista. O botão Ajuda chama a ajuda da base, se ela estiver disponível.
FIGURA 30 - Iniciando a Consulta – Tela de Abertura
A consulta se desenvolve por meio de menus de múltipla (ou única) escolha, como mostra a FIGURA 31.
FIGURA 31 - Um exemplo de menu
O usuário deverá escolher a(s) opção(ões) desejada(s) marcando a(s) respectiva(s) caixa(s) de verificação, localizadas sempre à esquerda de cada alternativa, e depois informar opcionalmente o grau de confiança (são utilizados quando não se possui certeza absoluta sobre um fato), ou seja, caso ele não informe o sistema automaticamente entenderá que o grau de confiança é 100%. Pode acontecer de o usuário não saber a resposta de alguma pergunta e/ou não identificar a resposta entre as alternativas propostas. Quando isto ocorrer, o usuário não deverá marcar nenhuma alternativa para aquela pergunta, fazendo assim, o sistema entenderá que o usuário desconhece a resposta e evitará um diagnóstico impreciso. Quando se está no modo de acompanhamento, uma nova janela sempre estará aberta, o depurador (FIGURA 32).
FIGURA 32 - Depurador
O depurador exibe, em sua caixa de listagem, todas as regras da base de conhecimento. A sentença em destaque é aquela que está sendo analisada no momento pela máquina de inferência. Utilizando o menu Depurar e depois Passo, ou o botão respectivo da barra de ferramentas, ou ainda a tecla F8, pode-se continuar a acompanhar, passo a passo, a execução do sistema. Se o sistema estiver realizando uma pergunta para você, primeiro responda antes de executar um passo, ou nada acontecerá. Fechar o depurador equivale a voltar ao modo de execução. O sistema especialista divide a sua consulta em uma busca de objetivos. Ao final de cada busca, uma janela de resultados é apresentada. Ela se divide em quatro partes: - Resultados (FIGURA 33): são apresentados todos os valores atingidos pelo objetivo, com os respectivos graus de confiança. Caso o sistema não tenha chegado a nenhuma solução, ele indicará.
FIGURA 33 - Janela de Resultados - Resultados
- Histórico (FIGURA 34): exibe todo o caminho realizado pelo sistema especialista até atingir àquela(s) solução(ões). Esta página só estará disponível livremente se o projetista da base não houver protegido a base de conhecimento.
FIGURA 34 - Janela de Resultados – Histórico
- Todos os Valores (FIGURA 35): é uma generalização da primeira página. Exibe todos os valores de todas as variáveis.
FIGURA 35 - Janela de Resultados – Todos os valores
- O Sistema (FIGURA 36): exibe todas as regras do sistema especialista. Útil também para entender como o sistema chegou àquela(s) conclusão(ões), em conjunto com o histórico.
FIGURA 36 - Janela de Resultados – O sistema
5.3 – Demonstração de algumas consultas no SEDDC Segue a seguir alguns exemplos de consultas realizadas no SEDDC: Consulta 1:
FIGURA 37 - Consulta 1: A folha apresenta lesões?
FIGURA 38 - Consulta 1: Qual a coloração das lesões nas folhas?
FIGURA 39 - Consulta 1: Qual o grau de exposição da lavoura à luz solar antes do aparecimento das lesões?
FIGURA 40 - Consulta 1: Antes da notificação da doença ocorreu temperatura?
FIGURA 41 - Consulta1: Resultados
Consulta 2:
FIGURA 42 - Consulta 2: A folha apresenta lesões?
FIGURA 43 - Consulta 2: Qual a coloração das lesões nas folhas?
FIGURA 44 - Consulta 2: As folhas apresentam alguns sintomas como?
FIGURA 45 - Consulta 2: Há mumificação das rosetas florais, flores ou frutos?
FIGURA 46 - Consulta 2: Resultado
VI – CONCLUSÃO
O crescente aumento da quantidade de informações que necessitam ser manipuladas por agrônomos para um adequado processo de diagnóstico de doenças cafeeiras e a perda de parte da lavoura dos produtores rurais pelo diagnóstico tardio de doenças, vem intensificando a necessidade do uso dos Sistemas de Apoio à Decisão. Estes profissionais ainda têm um preconceito com relação ao sistema, não aceitando a capacidade da máquina em armazenar informações que proporcionarão à “saúde” do cafezal. Aprender a usar bem o sistema, conhecer suas vantagens, seus benefícios seria fundamental para o bom agrônomo. Com o protótipo do SEDDC foi disponibilizado ao produtor rural e agrônomo, a informação precisa e confiável para auxiliá-los na diagnose de doenças cafeeiras quando julgarem necessário e, principalmente, o conhecimento de um sistema que muitos até hoje nunca tinham visto ou tido o interesse de conhecer. Através de testes realizados pelos especialistas que forneceram as informações para a construção deste protótipo, ficou provado que o SEDDC é realmente útil, e atingiu os objetivos esperados. Acreditamos que se houver uma maior exploração e interesse pelo desenvolvimento de sistemas como estes, num futuro bem próximo, especialistas em cafeicultura e produtores rurais poderão contar com um grande aliado, não só na prevenção e descoberta de doenças, mas também no manejo completo do café, proporcionando uma maior confiabilidade na produção cafeeira da lavoura.
6.1 – Dificuldades Encontradas Naturalmente, dificuldades apareceram no decorrer de cada etapa do projeto, as quais contribuíram muito para o aprendizado e também para o amadurecimento do sistema como um todo. A maior dificuldade encontrada foi em relação ao levantamento de requisitos. Um Sistema Especialista só pode ser considerado confiável, se às informações contidas nele forem extraídas de fontes confiáveis. Diversos foram os agrônomos e produtores rurais entrevistados, e muitos dados técnicos sobre o assunto nos foram passados. O problema foi à grande quantidade de
informações que se contradiziam entre uma entrevista e outra, o que nos levou à procurar a PROCAFÉ, que nos forneceu alguns materiais e livros, contendo às informações que ainda precisávamos sobre o assunto . Analisar os dados e separar o que poderia ser considerado relevante foi a parte do projeto mais trabalhosa. Outra dificuldade encontrada também, foi a montagem das regras no Expert SINTA, primeiro porque mesmo já sabendo utilizar o shell , não tínhamos conhecimento profundo sobre o seu funcionamento e segundo foi em relação à quantidade de informações que precisavam ser transformadas em regras. Assim, depois de muito pesquisar e perguntar aos mais experientes nos devidos assuntos, o resultado aos poucos foi se definindo e com isso, as dificuldades foram uma a uma sendo superadas tornando possível o desenvolvimento com êxito do protótipo do SEDDC.
6.2 – Trabalhos Futuros O shell Expert Sinta permite a criação de sistemas funcionalmente adequados, mas não apresenta maiores opções de personalização de interface. Devido a este fato, para evitar soluções intermediárias, como um pequeno editor de caixas de diálogo embutido dentro do próprio shell , sugerimos a implementação de programas executáveis de sistemas especialistas. A idéia é utilizar uma linguagem de programação completa, onde toda a implementação de representação de conhecimento e máquina de inferência ocorre de forma totalmente encapsulada. E, com o uso de ambientes visuais como o Borland Delphi, é possível acrescentar tais componentes em tempo de desenvolvimento a um formulário, criando o básico da interface sem uma única linha a mais de programação.
FIGURA 47 - Paleta de componentes do Expert Sinta sob o Delphi 2.0
Outra idéia seria capacitar o sistema a diagnosticar um número maior de doenças cafeeiras, não se limitando somente às doenças foliares da região sul mineira, e também
incluir outras tarefas como o diagnóstico de pragas, nematóides e deficiências nutricionais que atingem todo o parque cafeeiro nacional, para que ele possa ser utilizado em todas às regiões produtoras de café. Outra tarefa que também seria legal acrescentar, é nos tópicos de ajuda inserir as possíveis medidas de tratamento para os problemas que ele for capaz de diagnosticar.
VII - REFERÊNCIAS BIBLIOGRÁFICAS
ABEL, Mara; REATEGUI, Eliseo Berni; CASTILHO, José; et al. Evaluating Case-Based
Reasoning in a geological model . Proceedings of 6th Intern. Conference and Workshop on Database and Expert Systems Aplications - DEXA 95, London 4-8 September 1995. ABEL, Mara. Sistemas Especialistas . Universidade Federal do Rio Grande do Sul: Porto Alegre, 1998. Apostila. ABIC. História do Café: Origem e Trajetória. Associação Brasileira da Indústria de Café. Disponível em: < http://www.abic.com.br/scafe_historia.html > Acesso em 16 de out. de 2006. AGRONEGÓCIOS - Portal do Agronegócio Café. Brasil Café: Estados maiores produtores 2005. Disponível em: < http://www.agronegocio.goias.gov.br/docs/portal/maiorcafe.pdf> Acesso em 16 de outubro de 2006. ANDRADE, Hélcio, BERTOLDO, Mathilde A., MARQUES, Hudson S., et al. Mapeamento
das Classes de Solos da Região de Machado-Mg, a partir da Correlação Entre Solos e Relevo, Utilizando Técnicas de Geoprocessamento . Anais XI SBSR, Belo Horizonte, Brasil, 05-10 abril 2003, INPE, p. 169-172. BARRETO, Paulo, MACHADO, Maria, MEDEIROS, Valéria. Um Sistema de Inferência Nebuloso Para Apoio A Tomada De Decisão Do Analista De Crédito De Empresas De Crédito Pessoal. RESI – Revista Eletrônica de Sistemas de Informação , Edição 7, ano V, número 1, Julho de 2006. BITTENCOURT, G. Inteligência Artificial: Ferramentas e Práticas, Editora da UFSC, 2ª Edição, Florianópolis, SC, 2001 CAFÉ E SAÚDE. Brasileiros no Café: Francisco de Melo Palheta. Revista Eletrônica Café e
Saúde. Disponível em: < http://www.cafeesaude.com.br/brasileiros/palheta.htm> Acesso em 16 de outubro de 2006. CHARNIAK, E.; MCDERMOTT, D. Introduction to Artificial Intelligence. [S.l.:s.n.] Reading: Addison-Wesley, 1985, 701p.
CHORAFAS, D. N. Sistemas Especialistas : aplicações comerciais. São Paulo: McGrawHill,1988. Disponível em: Acessado em 21 de agosto de 2004. COFFEE-BREAK.. Regiões Cafeeiras: Sul de Minas. O Portal do Agronegócio Café Disponível em: < http://www.coffeebreak.com.br/ocafezal.asp?SE=6&ID=38> Acesso em 23 de outubro de 2006. DPEE-BRADESCO. Agronegócio em Análise . Departamento de pesquisa e Estudos Econômicos do Bradesco. Publicado em 05 de janeiro de 2006. Disponível em: Acesso em 22 de outubro de 2006. EMBRAPA. Relatório do Programa Nacional de Pesquisa e Desenvolvimento do Café PNP&D/Café. Empresa Brasileira de Pesquisa Agropecuária, Brasília, 1999. 62p. FERREIRA, Gabriel, GUIMARÃES, Paulo, POZZA, Adélia. Transmissão de tecnologia
para diferentes zonas produtoras . Portal do Agronegócio Café: set/2001. Disponível em: Acesso em 23 de outubro de 2006. FIGUEIRA, Carlos S.. JEOPS – Uma ferramenta para o desenvolvimento de aplicações inteligentes em Java. Dissertação (Mestrado) – Universidade Federal de Pernambuco, Recife, 1999. FLORES, Cecília D. Fundamentos dos Sistemas Especialistas . Porto Alegre: PPGC/UFRGS, 2000. Disponível em: Acesso em: 02 de maio de 2006. FLORIANI, C.G. Café: a certificação é o caminho. Caderno Técnico-Agrotec, Belo Horizonte, n.1, p.1-20, 2000. FRIEDMAN, E. JESS in Action. [S.l.]: Editora Manning, 3ª Edição, Greenwich, 2003 FRIEDMAN-HILL, E. JESS: The rule engine for Java platform. Distributed Computing Systems. Sandia National Laboratories. Livermore, CA, 2005. Disponível em http://herzberg.ca.sandia.gov/jess/ GIARRATANO, Joseph; RILEY, Gary. Expert systems : principles and programming. 3. ed. Boston, PWS Publishing Company 1998. 597 p.
IZIDORO, Sandro. Inteligência Artificial: Sistemas Especialistas. 2005. Apostila. IZIDORO, Sandro. Inteligência Artificial: Introdução ao PROLOG. 2006. Apostila. LUGER, S. Structures And Strategies For Complex Problem Solving , 3ª Edição, [S.l.]:Ed. Addison Wesley, 1998. MANCHINI, Daniella P. Sistemas Especialistas. Maringá: UEM, 2005. Disponível em: Acesso em: 04 de outubro de 2006. MATIELLO, J.B.; GARCIA A.W.R.; ALMEIDA S.R.. Adubos, corretivos e defensivos
para a lavoura cafeeira : Indicação de uso. Varginha: MAPA/ Fundação PROCAFÉ e EMBRAPA/Café, maio de 2006. MCCARTHY, J. History of lisp . [S.l]: ACM SIGPLAN Notices, Agosto 1978. MIRANDA, Juliano Coelho. Domínios da Inteligência Artificial : Sistemas Especialistas e Lógicas Não-clássicas. Faculdade Cenecista de Varginha, 2006. Apostila NEWELL, A; TONGUE, F.M. An introduction to information processing language . [S.l.]: Communications of ACM, 1960. NAHUM NETO, David. Exportação de café torrado e moído . Palestra proferida no 5º Simpósio Estadual do Café. Vitória: CETCAF, outubro/2002. NIKOLOPOULOS, Chris. Expert systems : introduction to first and second generation and hybrid knowledge based systems. New York: Marcel Dekker Inc, 1997. 331p. NOGUEIRA,J.H.M. et al. Expert SINTA: Manual do usuário – Versão 1.1.Fortaleza: Universidade
Federal
do
Ceará,
1998.
Disponível
em:
Acessado em 10 de Agosto de 2004. PAGÉS, Raíssa. Após a xícara de café, miséria e morte . [S.l.]: Digital Gramma Internacional,
outubro/2002.
Disponível
em:
Acesso em 24 de outubro de 2006. PASSOS, Emmanuel L.. Inteligência Artificial e Sistemas Especialistas ao Alcance de
Todos. Rio de Janeiro: Livros Técnicos e Científicos Editora S.A., 1989.
PEZZI,
Guilherme
P.
Programando
sistemas baseados no conhecimento
utilizando o ambiente CLIPS . Porto Alegre: UFRGS, 2005. Disponível em: Acesso em: 02 de outubro de 2006. POZZA, Edson A. Sistema de diagnóstico de deficiências e nematóides . Dissertação (mestrado) – UFPA, Paraná, 2005. RIBEIRO, H. C. S. Introdução aos Sistemas Especialistas . LTC - Livros Técnicos e Científicos, Rio de Janeiro - RJ and São Paulo-SP, 1987. RICH, E., KNIGHT, K. Inteligência Artificial, 2ª Ed. São Paulo: McGraw-Hill.1991 RILEY, G. CLIPS: A Tool for Building Expert Systems . [S.l.:s.n.], 2005. Disponível em Acesso em 22 de outubro de 2006. STEELE, G.L.. Common LISP: the Language. Burlington: Digital Press, 1984. SAVARIS, Silvana V. A. M. Sistema Especialista para Primeiros Socorros para Cães . Dissertação (mestrado) – Universidade Federal de Santa Catarina, Santa Catarina, 2002. SEAG. Secretária de Estado da Agricultura. Histórico do Café . Espírito Santo: SEAG, 2005. Disponível em: Acesso em 16 de out. de 2006. TURBAN, E. Decision support and expert systems : Management support systems. New York: Macmillan, p. 833. 1995. UNIVERSIDADE ESTADUAL DE LONDRINA. V Congresso Brasileiro de
Agroinformática. Londrina, 28 a 30 de setembro de 2005.
ANEXO A – Aquisição do Conhecimento A aquisição do conhecimento para o desenvolvimento do SEDDC se realizou por meio de entrevista com engenheiros agrônomos, através de livros e sites específicos e através de boletins fotosanitários fornecidos pela Fundação PROCAFÉ. Depois do levantamento de todas as informações necessárias para o desenvolvimento, organizou-se os dados em formas de tabelas, onde para cada parte da planta foi colocado o sintoma causado pelas doenças e também as condições favoráveis ao seu aparecimento dessas doenças.
FOLHAS DOENÇA Ascochyta
Lesões nas folhas Sim
Cercosporiose Sim Ferrugem
Sim
Phoma (Seca Sim dos Ponteiros) Pseudomonas Sim (Mancha Aureolada) Antracnose Sim
Mancha Manteigosa
Sim
Sim Xilela do Café (Amarelinho)
Coloração das Formato das lesões na folha lesões na folha Coloração Marrom- Circular-regular clara à cinza formando anéis concêntricos nítidos Coloração parda Circularirregular Início: coloração Circularesamarelada-clara irregulares Estágio avançado: tons alaranjados Coloração Marrom Colaração Escura
Circulares irregulares
Pardo- Circularirregular
Coloração cinza
Circularirregular, após certo tempo passando Circular-regular formando anéis concêntricos nítidos Coloração verde- Circular-regular clara formando anéis concêntricos nítidos Folha toda com Circularaspecto amarelado irregular
Face da folha afetada pelas lesões Inferior e superior
Superior Inferior no início e em um estágio mais avançado da doença podendo atingir o superior também Inferior, superior e Bordas das folhas Superior e Bordas das folhas Superior e inferior a
Inferior e superior, bordas das folhas Inferior e Superior
DOENÇA Ascochyta
Queda de folhas Sim
Outros sintomas nas folhas
Cercosporiose Sim As manchas apresentam no centro um círculo branco acinzentado no centro. Manchas envolvidas por um halo amarelo (quase sempre) Sim Manchas envolvidas por Ferrugem um halo amarelo (alguns casos) Phoma (Seca Sim Folha Encurvada. Folha Partida. dos Ponteiros) Folha Rachada. Furos nas Folhas. Pseudomonas Sim (Mancha Manchas envolvidas por um halo amarelo. Aureolada) Antracnose Somente em Massas de esporos nas alguns casos manchas em estágio avançado. Sim Manchas com aspecto Mancha oleoso. Manteigosa Somente em Redução no tamanho das Xilela do alguns Folhas. Café (Amarelinho) casos. Queima das bordas das folhas.
FLORES DOENÇA
Lesão nas flores Não Ascochyta Cercosporiose Não Não Ferrugem Phoma (Seca Sim dos Ponteiros) Pseudomonas Não (Mancha Aureolada) Antracnose Sim Não Mancha Manteigosa Xilela do Café Não (Amarelinho)
Coloração das lesões nas flores Tonalidades Escuras Mancha ou lista marrom escuro -
FRUTOS DOENÇA
Lesão nos frutos Não Ascochyta Cercosporiose Sim Ferrugem Phoma (Seca dos Ponteiros) Pseudomonas (Mancha Aureolada) Antracnose
Não Sim
Coloração das lesões nos frutos Coloração MarromClara Tonalidades Escuras
Sim Sim
Mancha Não Manteigosa Xilela do Não Café (Amarelinho)
Tonalidades Escuras -
Queda Amadurecimento Outros prematura precoce sintomas nos de frutos frutos Não Não Mumificação Sim Sim Aderência da casca Não Sim
Não Não
Mumificação
Não
Não
-
Não
Não
-
Não
Não
-
Não
Não
-
RAMOS DOENÇA
Lesão nos ramos
Seca dos ponteiros
Ascochyta
Sim (Somente Sim em Alguns casos) Sim Cercosporiose Não Ferrugem Não Sim Sim Phoma (Seca Sim dos Ponteiros) Pseudomonas Sim Sim Não Antracnose Não
Mancha Não Manteigosa Xilela do Não Café (Amarelinho)
Superbrotamento Sim
Outros sintomas nos ramos -
Não Sim Sim
-
Sim Não
-
Sim
Não
Não
Não
Murcha e posteriormente morte dos ramos. -
CONDIÇÕES FAVORÁVEIS DOENÇAS
Antecedente da planta Ascochyta Cercosporiose Plantas debilitadas (pouca nutrição) Ferrugem Phoma Pseudomonas Antracnose Mancha Manteigosa de Xilela do Café Presença (Amarelinho) Ciga Cigarri rrinh nhas as na Lavoura DOENÇAS Ascochyta Cercosporiose Ferrugem Phoma Pseudomonas Antracnose Mancha Manteigosa Xilela do Café (Amarelinho)
Chuvas
Temperatura Umidade
Ventos
Frio
Baixa Baixa
Alta Alta
Sim Sim
Sim Sim
Elevada Baixa Baixa Baixa -
Baixa Alta Alta Alta -
Sim Sim Sim Nã o Nã o
Não Sim Sim Não Não
-
Nã o
Não
-
Sim Sim Não Sim Sim Sim Sim
Incidência de luz solar Alta Baixa -
Não
-
ANEXO B - Variáveis Variáveis utilizadas no SEDDC Variáveis utilizadas no SEDDC e seus respectivos valores:
VARIÁVEIS aderência_da_casca amadurecimento_precoce antecedentes_da_planta chuvas form format ato_ o_ma manc ncha has_ s_fo folh lhas as Frio incidência_de_luz_solar lesão_flores lesão_folha lesão_frutos lesão_ramos localização_folha manchas_flores manchas_folhas
manchas_frutos mumificação_dos_frutos
VALORES sim não sim não plantas debilitadas presença de cigarrinhas na lavoura sim não circ circul ular ar-i -irr rreg egul ular ar circular-regular circular-regular (formando anéis concêntricos concêntricos nítidos) irregular sim não alta baixa sim não sim não sim não sim não face superior face inferior bordas marrom escuro outras tonalidades escuras marrom-claro marrom marrom-escuro (quase preto) cinza pardo pardo-escuro folha toda com aspecto amarelado amarelo claro alaranjada verde-claro marrom-clara tonalidades escuras sim não
outros_sintomas_folhas
folha encurva rvada folha partida folha rachada furos nas folhas redução no tamanho das folhas queima das bordas das folhas manchas com massas de esporos manchas com aspecto oleoso manchas com um círculo branco acinzentado no centro manchas envolvidas por um halo amarelo manchas com aspecto empoeirado outros_sintomas_ramos murcha do dos ra ramos morte dos ramos queda_de_folhas sim não qued queda_ a_pr prem emat atur ura_ a_de de_f _fru ruto toss sim sim não seca_dos_ponteiros sim não superbrotamento sim não temperatura elevada baixa umidade alta baixa ventos sim não Doença Antracnose Ascochyta Cercosporiose Ferrugem Mancha-Manteigosa Phoma Pseudomonas Xilela do Café
ANEXO C - Regras implementadas no SEDDC
SE E E E OU ENTÃ ENTÃO O
REGRA 1 lesã lesão_ o_fo folh lhas as = sim sim manc mancha has_ s_fo folh lhas as = marr marrom om-c -cla laro ro qued queda_ a_de de_f _fol olha hass = sim sim locali localizaç zação ão_fo _folha lha = face face-in -infe ferio rior r locali localizaç zação ão_fo _folha lha = face face-su -super perior ior Doen Doença ça = Asco Ascoch chyt ytaa CNF CNF 70% 70%
SE E E E OU ENTÃ ENTÃO O
REGRA 2 lesã lesão_ o_fo folh lhas as = sim sim manc mancha has_ s_fo folh lhas as = cinz cinzaa qued queda_ a_de de_f _fol olha hass = sim sim locali localizaç zação ão_fo _folha lha = face face-in -infe ferio rior r locali localizaç zação ão_fo _folha lha = face face-su -super perior ior Doen Doença ça = Asco Ascoch chyt ytaa CNF CNF 70% 70%
REGRA 3 SE format formato_m o_manc anchas has_fo _folha lhass = circul circularar-reg regula ular r ENTÃ ENTÃO O Doen Doença ça = Asc Ascoc ochy hyta ta CNF CNF 100 100% % SE E E E ENTÃO ENTÃO
REGRA 4 lesã lesão_ o_fo folh lhas as = sim sim manc mancha has_ s_fo folh lhas as = par pardo do format formato_m o_manc anchas has_fo _folha lhass = circul circular ar irregul irregular ar qued queda_ a_de de_f _fol olha hass = sim sim Doenç Doençaa = Cercos Cercospor porios iosee CNF CNF 70%
REGRA 5 SE outros_si outros_sintom ntomas_f as_folha olhass = manchas manchas com um círculo círculo branco branco ou acinzen acinzentado tado no centr centroo E outros_si outros_sintom ntomas_f as_folha olhass = manchas manchas envolvid envolvidas as por por um halo halo amarelo amarelo ENTÃO ENTÃO Doenç Doençaa = Cercos Cercospor porios iosee CNF CNF 100% 100% REGRA 6 SE amad amadur urec ecim imen ento to_p _prec recoc ocee = sim sim E ader aderên ênci cia_ a_ca casc scaa = sim sim ENTÃO ENTÃO Doenç Doençaa = Cercos Cercospor porios iosee CNF CNF 100% 100% REGRA 7 SE anteced antecedente entes_da s_da_pla _planta= nta= plantas plantas debilita debilitadas das ENTÃO ENTÃO Doenç Doençaa = Cercos Cercospor porios iosee CNF CNF 100% 100% REGRA 8 SE lesã lesão_ o_fo folh lhas as = sim sim E manc mancha has_ s_fo folh lhas as = marr marrom om-c -cla laro ro E qued queda_ a_de de_f _fol olha hass = sim sim
E localização_folha = face-inferior OU localização_folha = face-superior ENTÃO Doença = Ascochyta CNF 70%
REGRA 9 SE incidência_de_luz_solar = alta ENTÃO Doença = Cercosporiose CNF 50% SE E OU E E ENTÃO
REGRA 10 lesão_folhas = sim manchas_folhas = amarelo-claro manchas_folhas = alaranjada queda_de_folhas = sim localização_folha = face-inferior Doença = Ferrugem CNF 70%
SE E OU E E E ENTÃO
REGRA 11 lesão_folhas = sim manchas_folhas = amarelo-claro manchas_folhas = alaranjada queda_de_folhas = sim localização_folha = face-inferior localização_folha = face superior Doença = Ferrugem CNF 70%
SE E OU E E ENTÃO
REGRA 12 lesão_folhas = sim manchas_folhas = amarelo-claro manchas_folhas = alaranjada queda_de_folhas = sim localização_folha = face-inferior Doença = Ferrugem CNF 70%
SE E E ENTÃO
REGRA 13 outros_sintomas_folhas = mancha envolvida por uma halo amarelo outros_sintomas_folhas <> manchas com um círculo branco acinzentado no centro outos_sintomas_folhas <> furos nas folhas Doença = Ferrugem CNF 100%
SE E E E E ENTÃO
REGRA 14 temperatura = elevada umidade = baixa ventos = sim incidência_de_luz_solar = baixa frio = não Doença = Ferrugem CNF 100%
REGRA 15 SE outros_sintomas_folhas = manchas com aspecto empoeirado. ENTÃO Doença = Ferrugem CNF 100%
SE E E E E E E ENTÃO
REGRA 16 lesão_folhas = sim manchas_folhas = marrom formato_manchas_folhas = circular_irregular queda_de_folhas = sim localização_folha = face-inferior localização_folha = face-superior localização_folha = bordas Doença = Phoma CNF 70%
SE E E E E OU OU ENTÃO
REGRA 17 lesão_folhas = sim manchas_folhas = marrom formato_manchas_folhas = circular_irregular queda_de_folhas = sim localização_folha = face-inferior localização_folha = face-superior localização_folha = bordas Doença = Phoma CNF 70%
SE E E ENTÃO
REGRA 18 outros_sintomas_folhas = folha encurvada outros_sintomas_folhas = folha partida outos_sintomas_folhas = folha rachada Doença = Phoma CNF 100%
REGRA 19 SE lesão_flores = sim E manchas_flores = outras tonalidades escuras ENTÃO Doença = Phoma CNF 100% SE E E OU E ENTÃO
REGRA 20 lesão_folhas = sim manchas_folhas = cinza formato_manchas_folhas = circular_irregular formato_manchas_folhas = circular_regular (formando anéis concêntricos nítidos) queda_de_folhas = não Doença = Antracnose 70%
REGRA 21 SE outros_sintomas_folhas = manchas com massas de esporos. ENTÃO Doença = Antracnose CNF 100% REGRA 22 SE lesão_flores = sim E manchas_flores = marrom_escuro ENTÃO Doença = Antracnose CNF 100%
REGRA 23 SE outros_sintomas_ramos = murcha dos ramos OU outros_sintomas_ramos = morte dos ramos ENTÃO Doença = Antracnose CNF 100% SE E E E ENTÃO
REGRA 24 lesão_folhas = sim Manchas_folhas = pardo-escuro Localização_folha = bordas Queda_de_folhas = sim Doença = Pseudomonas CNF 70%
REGRA 25 SE outros_sintomas_folhas = furos_nas_folhas E Outros_sintomas_folhas = manchas envolvidas por um halo amarelo ENTÃO Doença = Pseudomonas CNF 100% SE E E E ENTÃO
REGRA 26 Lesão_frutos = sim Queda_prematura <>sim Amadurecimento_precoce<> sim Aderência_da_casca<> sim Doença = Pseudomonas CNF 60%
SE E E E E E E ENTÃO
REGRA 27 lesão_folhas = sim Manchas_folhas = verde-claro Formato_manchas_folhas = circular-irregular Localização_folha = face-inferior Localização_folha = face-superior Localização_folha = bordas Queda_de_folhas = sim Doença = Mancha Manteigosa CNF 90%
SE E E E E OU OU ENTÃO
REGRA 28 lesão_folhas = sim Manchas_folhas = verde-claro Formato_manchas_folhas = circular-irregular Localização_folha = face-inferior Localização_folha = face-superior Localização_folha = bordas Queda_de_folhas = sim Doença = Mancha Manteigosa CNF 70%
REGRA 29 SE Outros_sintomas_folhas= manchas com aspecto oleoso ENTÃO Doença = Mancha Manteigosa CNF 100% REGRA 30 SE lesão_folhas = sim
E E OU ENTÃO
Manchas_folhas = folha toda com aspecto amarelado Localização_folha = face-inferior Localização_folha = face-superior Doença = Xilela do Café CNF 90%
REGRA 31 SE outros_sintomas_folhas = redução no tamanho das folhas E outros_sintomas_folhas = queima das bordas das folhas ENTÃO Doença = Xilela do Café CNF 100% REGRA 32 SE outros_sintomas_folhas = redução no tamanho das folhas OU outros_sintomas_folhas = queima das bordas das folhas ENTÃO Doença = Xilela do Café CNF 95% REGRA 33 SE antecedentes_da_planta = presença de cigarrinhas na lavoura ENTÃO Doença = Xilela do Café CNF 90% REGRA 34 SE mumificação_de_frutos = sim ENTÃO Doença = Ascochyta CNF 50% Doença = Phoma CNF 50% REGRA 35 SE lesão_frutos = sim E queda_prematura = sim ENTÃO Doença = Cercosporiose CNF 50% Doença = Phoma CNF 50% REGRA 36 SE lesão_ramos = não E seca_dos_ponteiros = sim ENTÃO Doença = Ascochyta CNF 35% Doença = Cercosporiose CNF 35% Doença = Ferrugem CNF 35% Doença = Mancha Manteigosa 35% REGRA 37 SE lesão_ramos = sim E seca_dos_ponteiros = sim ENTÃO Doença = Ascochyta CNF 35% Doença = Phoma CNF 35% Doença = Pseudomonas CNF 35% REGRA 38 SE lesão_frutos = sim E manchas_frutos = tonalidades_escuras ENTÃO Doença = Antracnose CNF 70% Doença = Phoma CNF 70%
REGRA 39 SE lesão_ramos = não E seca_dos_ponteiros = não ENTÃO Doença = Antracnose CNF 50% Doença = Xilela do Café CNF 50% REGRA 40 SE lesão_frutos = não E lesão_flores = não ENTÃO Doença = Ascochyta CNF 20% Doença = Ferrugem CNF 20% Doença = Mancha Manteigosa CNF 20% Doença = Xilela do Café CNF 20% REGRA 41 SE superbrotamento = sim ENTÃO Doença = Ferrugem CNF 25% Doença = Phoma CNF 25% Doença = Pseudomonas CNF 25% Doença = Ascochyta CNF 25% REGRA 42 SE temperatura = baixa ENTÃO Doença = Cercosporiose CNF 10% Doença = Phoma CNF 10% Doença = Pseudomonas CNF 10% REGRA 43 SE E E E ENTÃO
umidade = alta ventos = sim chuvas = sim frio = sim Doença = Ascochyta CNF 10% Doença = Cercosporiose CNF 10% Doença = Phoma CNF 10% Doença = Pseudomonas CNF 10%