Es-plantufam: um sistema especialista de identificação de famílias de plantas amazônicas por características morfológicas diagnósticas

Autores

DOI:

https://doi.org/10.21439/conexoes.v20.4136

Palavras-chave:

Morfologia botânica, Taxonomia, Educação botânica

Resumo

A Floresta Amazônica abriga elevada diversidade vegetal, cuja identificação precisa é fundamental para estudos em taxonomia, ecologia e conservação. Este estudo descreve o desenvolvimento e a avaliação do ES-PLANTUFAM, um sistema especialista online para identificação de famílias de angiospermas da Amazônia brasileira. A base de conhecimento foi construída a partir de literatura taxonômica especializada, e diferentes algoritmos de árvores de decisão foram testados no software Weka para geração das regras do sistema, posteriormente implementadas no ES-Builder. A validação envolveu testes com amostras depositadas no Herbário HUAM/UFAM e avaliação de usabilidade por usuários. O modelo RandomTree apresentou o melhor desempenho (91,6% de acertos; Kappa = 0,91), e os testes com amostras indicaram precisão de 88,89%. O ES-PLANTUFAM demonstrou potencial como ferramenta digital para apoio à identificação botânica, tornando mais acessíveis os caracteres morfológicos diagnósticos utilizados na distinção entre famílias de angiospermas.

Biografia do Autor

Deisy Pereira Saraiva, Universidade Federal do Amazonas

Possui graduação em Ciências Biologicas pela Universidade Federal do Rio de Janeiro (2010) e mestrado em Botânica pelo Instituto de Pesquisa Jardim Botânico do Rio de Janeiro (2013). Atualmente é bióloga da Universidade Federal do Amazonas e Doutoranda do Programa de Pós-Graduação em Biodiversidade e Biotecnologia (PPG-BIONORTE). Tem experiência na área de Botânica, atuando principalmente nos seguintes temas: Coleções cientificas, Herbário e Pitcairnia (Bromeliaceae).

Welitom Ttatom Pereira da Silva, Universidade Federal de Mato Grosso

Possui graduação em Engenharia Sanitária e Ambiental pela Universidade Federal de Mato Grosso, 2005; mestrado em Ciências Florestais e Ambientais pela Universidade Federal de Mato Grosso, 2008; doutorado em Tecnologia Ambiental e Recursos Hídricos pela Universidade de Brasília, 2012; pós-doutorado em Engenharia de Energia pela Lancaster University (Inglaterra), 2023. Tem experiência na área de Engenharia Hidráulica e Saneamento atuando principalmente nos seguintes temas: planejamento em recursos hídricos, metodologias multicritério de apoio à decisão, inteligência artificial (Sistema Especialista, Lógica Fuzzy), hidráulica de sistemas de abastecimento de água e de geração de energia, modelagem Fluidodinâmica Computacional (CFD), biomimética e bioinspiração.

Eulanda Miranda dos Santos, Universidade Federal do Amazonas

Concluiu o doutorado em Engenharia na Université du Quebec - École de Technologie Superiéure, Montreal-Canadá, em 2008. Possui graduação em Processamento de Dados pela Universidade Federal do Pará (1999) e mestrado em Informática pela Universidade Federal de Campina Grande (2002). Tem experiência na área de Ciência da Computação, com ênfase em Reconhecimento de Padrões, atuando principalmente nos seguintes temas: aprendizagem de máquina, conjuntos de classificadores e otimização.

Patrick de Castro Cantuária, Instituto de Pesquisas Científicas e Tecnológicas do Estado do Amapá

Pós-Doutorado/Desenvolvimento Regional com Relatório sobre Flores e Plantas Ornamentais de Macapá pela Universidade Federal do Amapá (2020). Doutorado em Biodiversidade e Biotecnologia pela Rede BIONORTE - Universidade Federal do Pará / Museu Paraense Emílio Goeldi (2017). Mestrado em Desenvolvimento Regional pela Universidade Federal do Amapá (2010). Graduação em Licenciatura em Biologia pelo Centro Universitário do Pará (2007). Pesquisador - Instituto de Pesquisas Científicas e Tecnológicas do Estado do Amapá, Desenvolve suas atividades no Herbário Amapaense (HAMAB), Núcleo de Biodiversidade do IEPA. Professor Permanente do Programa de Pós-graduação em Biodiversidade e Biotecnologia da Rede BIONORTE, Professor Permanente do Programa de Pós-graduação em Desenvolvimento da Amazônia Sustentável (PPGDAS-UNIFAP). 

Referências

ABDULJABBAR, A. S.; SALMAN, N. D.; JALEEL, Z. T. Design of an Expert System for Airport Rubber Removal. IOP Conference Series: Materials Science and Engineering, Bristol, v. 737, n. 1, p. 012135, 2020.

ALTAYEB, J. M. et al. Mango Pests Identification Expert System. International Journal of Engineering and Information Systems (IJEAIS), Kentucky, v. 7, n. 6, p. 19–26, 2023.

ANITHA, A. Disease prediction and knowledge extraction in banana crop cultivation using decision tree classifiers. International Journal of Business Intelligence and Data Mining, Genebra, v. 20, n. 1, p. 107–120, 2022.

AYUS, I.; PANIGRAHI, N. A Decision Support System Using Rule-Based Expert System for COVID-19 Prediction and Diagnosis. In: NANDAN MOHANTY, S. et al. (org.). Applications of Artificial Intelligence in COVID-19. Singapore: Springer Singapore, 2021. (Medical Virology: From Pathogenesis to Disease Control). p. 119–140. Disponível em: https://link.springer.com/10.1007/978-981-15-7317-0_7. Acesso em: 15 jun. 2024.

BFG, THE BRAZIL FLORA GROUP. Coleção Flora do Brasil 2020. 1. ed. Rio de Janeiro: Jardim Botânico do Rio de Janeiro, 2021. Disponível em: http://doi.org/10.47871/jbrj2021004. Acesso em: 19 jun. 2024.

CARDOSO, D. et al. Amazon plant diversity revealed by a taxonomically verified species list. Proceedings of the National Academy of Sciences, Washington, v. 114, n. 40, p. 10695–10700, 2017.

CAVALCANTI, M. J.; SANTOS-SILVA, E. N. dos; PRIMEIRO, L. G. Free DELTA: An open source system for processing taxonomic descriptions. Tropical Diversity, Manaus, v. 4, n. 1, p. 1–12, 2024.

CONTRERAS, W. F. et al. An application of expert systems to botanical taxonomy. Expert Systems with Applications, Amsterdam, v. 25, n. 3, p. 425–430, 2003.

DALLWITZ, M. J. A Flexible Computer Program for Generating Identification Keys. Systematic Biology, Oxford, v. 23, n. 1, p. 50–57, 1974.

DALLWITZ, M. J.; PAINE, T. A.; ZURCHER, E. J. User’s guide to the DELTA System: a general system for processing taxonomic descriptions. London: Academic Press, 2020. Disponível em: https://www.delta-intkey.com/www/uguide.pdf. Acesso em: 16 jul. 2024.

DAVIS, J. R.; MARTIN, C. V.; MACKENZIE, D. A simple expert system for identifying plants in a local area. Environmental Software, Amsterdam, v. 5, n. 3, p. 149–157, 1990.

DELGADO CALVO-FLORES, M. et al. XKey: A tool for the generation of identification keys. Expert Systems with Applications, Amsterdam, v. 30, n. 2, p. 337–351, 2006.

ELE, S. I.; UMOH, E. E.; ADESOLA, W. A. An overview of the development principles, stages and building blocks of Expert System. West African Journal of Industrial and Academic Research, Owerri, v. 11, n. 1, p. 44–58, 2014.

ES-BUILDER WEB. McGoo Software - Expert System Shell. Sydney, 2024. Expert System Shell. Disponível em: https://www.mcgoo.com.au/. Acesso em: 14 jun. 2024.

FLORA E FUNGA DO BRASIL. Jardim Botânico do Rio de Janeiro. Rio de Janeiro, 2024. Disponível em: https://floradobrasil.jbrj.gov.br/consulta/. Acesso em: 12 jun. 2024.

FRANK, E.; HALL, M. A.; WITTEN, I. H. The WEKA Workbench. Online Appendix for “Data Mining: Practical Machine Learning Tools and Techniques”. Versão 4. Waikato: Morgan Kaufmann, 2016.

GADERMANN, A. M.; GUHN, M.; ZUMBO, B. D. Estimating Ordinal Reliability for Likert-Type and Ordinal Item Response Data: A Conceptual, Empirical, and Practical Guide. Practical Assessment, Research & Evaluation, Florida, v. 17, n. 3, 2012. Disponível em: https://eric.ed.gov/?id=EJ977577. Acesso em: 16 jul. 2024.

GIARRATANO, J. C.; RILEY, G. Expert Systems: Principles and Programming. Boston, Massachusetts: Thomson Course Technology, 2004.

GWENDO, J. O. Trends and Insights on Tools Used for the Development of Expert Systems: A Systematic Review of Research Articles (2018-2022). International Journal of Engineering Applied Sciences and Technology, Dhaka, v. 8, p. 331–347, 2023.

İNAN, Y. Leaves Recognition Systems Using Artificial Neural Network. 2015. 83 f. Dissertation - Near East University, Nicosia, 2015.

IZAGUIRRE, F. The Names of All Wild Things: Field Guides and Environmental Thinking. 2024. 109 f. Dissertation - West Virginia University, West Virginia, 2024.

JUNIOR, G. de B. V. et al. Métricas Utilizadas Para Avaliar a Eficiência De Classificadores Em Algoritmos Inteligentes. Revista CPAQV - Centro de Pesquisas Avançadas em Qualidade de Vida, São Paulo, v. 14, n. 2, 2022.

LELEKOV, S.; LYAKH, A. TAXEX: Taxonomic expert system. History of development and technology of identification. In: International Conference On Marine Biodiversity Data Management, 2004, Germany. Ocean Biodiversity Informatics. Germany: IOC Workshop Report, 2004. p. 113–120.

LUCIDCENTRAL. Identification and Diagnostic Tools. Queensland, 2024. Tools, often utilized in taxonomic and ecological research. Disponível em: https://www.lucidcentral.org/. Acesso em: 13 jun. 2024.

MARTINS-DA-SILVA, R. C. V. et al. Noções morfológicas e taxonômicas para identificação botânica. Brasília DF: Embrapa, 2014. Disponível em: www.embrapa.br/amazonia-oriental/publicacoes. Acesso em: 26 maio 2024.

MELLI, R. Expert Systems and Knowledge Acquisition. In: EXERGY, ENERGY SYSTEM ANALYSIS AND OPTIMIZATION. Oxford, United Kingdom: UNESCO-EOLSS, 2009. v. 3, p. 14. Disponível em: https://www.eolss.net/sample-chapters/c08/E3-19-04-02.pdf.

MHLONGO, S. E. E. et al. A Rule-based Expert System for Selection of Rehabilitation Strategies for Abandoned Mines in South Africa. Journal of Mining and Environment, Kerman, v. 14, n. 4, p. 1171–1181, 2023.

MIOT, H. A. Análise de concordância em estudos clínicos e experimentais. Jornal Vascular Brasileiro, São Paulo, v. 15, n. 2, p. 89–92, 2016.

NESBITT, M. et al. Linking biodiversity, food and nutrition: The importance of plant identification and nomenclature. Journal of Food Composition and Analysis, Amsterdam, v. 23, n. 6, Horticulture, Biodiversity and Nutrition, p. 486–498, 2010.

OSSANI, P. C. et al. Machine learning in classification and identification of nonconventional vegetables. Journal of Food Science, Chicago, v. 85, n. 12, p. 4194–4200, 2020.

PANIGRAHI, N.; AYUS, I.; JENA, O. An Expert System-Based Clinical Decision Support System for Hepatitis-B Prediction & Diagnosis. In: MOHANTY, S. N. et al. (org.). Machine Learning for Healthcare Applications. 1. ed. India: Scrivener Publishing LLC, 2021. v. 1, p. 57–76.

R CORE TEAM. R: A language and environment for statistical computing. Vienna, Austria: R Foundation for Statistical Computing, 2023.

RIBEIRO, J. E. L. da S. et al. Flora da Reserva Ducke: guia de identificação das plantas vasculares de uma floresta de terra-firme na Amazônia Central. 1. ed. Manaus - AM: INPA-DFID, 1999. v. 1

SHARMA, N. et al. Designing online species identification tools for biological recording: the impact on data quality and citizen science learning. PeerJ, San Francisco - Califórnia, v. 6, p. e5965, 2019.

SILVA, H. et al. Illustrated plant identification keys: An interactive tool to learn botany. Computers & Education, Amsterdam, v. 56, n. 4, p. 969–973, 2011.

UNG, V. et al. Xper2: introducing e-taxonomy. Bioinformatics, Oxford, v. 26, n. 5, p. 703–704, 2010.

VIGNES-LEBBE, R. et al. Desktop or remote knowledge base management systems for taxonomic data and identification keys: Xper2 and Xper3. Biodiversity Information Science and Standards, Sofia-Bulgaria, v. 1, p. e19911, 2017.

WANG, C. The Research on the Application of Plant Identification and Mobile Learning APP based on Expert System. In: 9th International Conference On Computer Supported Education, 2017, Porto, Portugal. Proceedings of the 9th International Conference on Computer Supported Education. Porto, Portugal: SCITEPRESS - Science and Technology Publications, 2017. p. 332–339. Disponível em: http://www.scitepress.org/DigitalLibrary/Link.aspx?doi=10.5220/0006313103320339 Acesso em: 14 maio 2024.

Downloads

Publicado

07-08-2026

Como Citar

Saraiva, D. P., Silva, W. T. P. da, Santos, E. M. dos, & Cantuária, P. de C. (2026). Es-plantufam: um sistema especialista de identificação de famílias de plantas amazônicas por características morfológicas diagnósticas. Conexões - Ciência E Tecnologia, 20, e026015. https://doi.org/10.21439/conexoes.v20.4136

Edição

v. 20 (2026)

Seção

Seção de Ciências Biológicas

Licença

Copyright (c) 2026 Deisy Pereira Saraiva, Welitom Ttatom Pereira da Silva, Eulanda Miranda dos Santos, Patrick de Castro Cantuária

Creative Commons License

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.

Os autores que publicam na Revista Conexões: Ciência e Tecnologia concordam com os seguintes termos: Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho licenciado sob uma licença Creative Commons Atribuição-NãoComercial-CompartilhaIgual 4.0 Internacional (CC BY -NC-SA 4.0) . Nossos artigos estão disponíveis gratuitamente e gratuitamente, com privilégios para atividades educacionais, pesqueiras e não comerciais.

Artigos Semelhantes

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 > >> 

Você também pode iniciar uma pesquisa avançada por similaridade para este artigo.