Os microplásticos tornaram-se onipresentes em ambientes aquáticos e terrestres. Essas partículas, que normalmente variam de 10 a 500 micrômetros, originam-se da degradação de materiais plásticos maiores. Seu tamanho reduzido permite que se dispersem amplamente e sejam ingeridas, sem que se perceba, por organismos — inclusive humanos —, o que levanta sérias preocupações sobre seu potencial impacto na saúde. A detecção e a identificação confiáveis de microplásticos são essenciais para compreender melhor suas rotas de formação e quantificar sua presença nos ecossistemas naturais.
Para apoiar o monitoramento ambiental e a pesquisa avançada, nossa tecnologia integrada de imagem hiperespectral foi utilizada para avaliar uma variedade de amostras plásticas. O estudo avaliou a capacidade dos sensores espectrais NIR (infravermelho próximo) e SWIR (infravermelho de ondas curtas) na identificação de microplásticos. O objetivo principal foi determinar se uma biblioteca espectral de referência, construída a partir de grânulos plásticos maiores e facilmente reconhecíveis, poderia ser aplicada com eficácia à detecção e à classificação de fragmentos microscópicos.
Descrição das amostras
O estudo incluiu um conjunto diversificado de materiais plásticos frequentemente encontrados em resíduos ambientais. Granulados maiores, com alguns milímetros de tamanho, foram usados como amostras-base para construir a biblioteca espectral de referência. Entre eles, polímeros de uso comum, como:
- Polietileno de alta e de baixa densidade (PEAD e PEBD)
- Politereftalato de etileno (PET)
- Policarbonato (PC)
- Polipropileno (PP)
- Poliamida (PA)
- Poliestireno (PS)
- Policloreto de vinila (PVC)
Além dessas amostras macroscópicas, foram analisadas partículas plásticas microscópicas de polietileno (PE) e poliestireno (PS). Esses microplásticos variavam em tamanho e cor, servindo para avaliar o desempenho da biblioteca de referência quando reduzida de escala para detectar detalhes extremos em fragmentos minúsculos.
Figura 1: Fotos das amostras de macro e microplásticos.
Configuração técnica da medição
As medições de refletância espectral foram realizadas com nossos sistemas integrados de imagem hiperespectral NIR e SWIR, configurados para capturar bandas vibracionais críticas ao longo do espectro infravermelho.
Para a análise em macroescala, os sensores foram acoplados a lentes grande-angulares convencionais, oferecendo um campo de visão ideal para a triagem rápida da biblioteca. Já para a análise dos microplásticos, foi empregado um arranjo especializado de imageamento macro de alta resolução. Essa configuração permitiu que os pixels mapeassem até a escala micrométrica, possibilitando que nosso sistema unificado capturasse detalhes químicos finos em partículas extremamente pequenas. Todo o processamento de dados e a avaliação espectral foram conduzidos de forma integrada dentro da nossa plataforma unificada de software.
O desafio do tamanho de partícula na análise espectral
Um objetivo central foi validar se os dados obtidos de peças plásticas maiores poderiam identificar microplásticos com exatidão. À medida que o tamanho físico de uma amostra diminui e conforme as partículas se tornam mais transparentes ou degradadas , suas assinaturas espectrais naturalmente se tornam menos pronunciadas. Esse efeito é bastante perceptível em microplásticos translúcidos de poliestireno, tornando a identificação cada vez mais difícil em escalas menores para os sistemas de visão convencionais.
Como nossos sensores integrados resolvem essa dor
- Faixa espectral estendida: embora um sensor NIR convencional tenha excelente desempenho dentro da sua faixa operacional, nossa configuração SWIR cobre um espectro infravermelho estendido. Essa abrangência maior captura bandas de absorção molecular adicionais, que permanecem visíveis mesmo quando a partícula é microscópica ou está degradada.
- Superando as limitações de pixel: a exatidão da classificação de materiais depende muito mais da profundidade espectral do que do tamanho físico do pixel. A faixa espectral ampliada do módulo SWIR fornece informação química mais rica, permitindo que os modelos de classificação distingam e separem tipos de materiais onde os sistemas tradicionais enxergam apenas ruído.
Figura 2: Espectros de referência de PE e PS na faixa espectral NIR, mapeados em relação a microplásticos individuais.
Figura 3: Espectros de referência de PE e PS na faixa espectral SWIR estendida, evidenciando marcadores químicos mais profundos.
Modelagem e identificação automatizada
Para automatizar o desempenho da detecção, foi desenvolvido um modelo de classificação por análise discriminante por mínimos quadrados parciais (PLS-DA). A biblioteca de referência construída a partir das amostras macro foi aplicada diretamente aos microplásticos por meio desse algoritmo integrado.
Configuração NIR convencional
Com o sensor de imagem NIR convencional, as partículas de microplástico foram, em geral, bem identificadas. Os dados espectrais das amostras de referência maiores transferiram-se com eficácia para as partículas menores, comprovando a validade do método de biblioteca.
No entanto, surgiram limitações pontuais no extremo inferior da faixa de tamanhos. Devido à redução das feições espectrais em partículas extremamente pequenas ou translúcidas, ocorreram algumas classificações incorretas entre polímeros semelhantes (como confundir certas partículas de PE com polipropileno). Isso evidencia os limites de sensibilidade das bandas infravermelhas convencionais ao lidar com fragmentos quase invisíveis.
Figura 4a: Resultados de modelagem obtidos com o sistema de imagem NIR.
Figura 4b: Vista detalhada com foco nos limites de detecção das menores partículas usando NIR.
Configuração SWIR avançada
Em contrapartida, o sistema de imagem SWIR demonstrou exatidão superior de classificação e separação. Mesmo com uma configuração física de pixel comparável, a cobertura espectral mais ampla permitiu que o sistema capturasse marcadores químicos cruciais, completamente invisíveis a sensores de faixa mais estreita.
Figura 5a: Resultados de modelagem obtidos com o sistema SWIR estendido.
Figura 5b: Vista detalhada evidenciando a exatidão aprimorada de separação para os menores fragmentos de microplástico usando SWIR.
A informação espectral adicional captada pelo módulo SWIR ampliou significativamente a capacidade do modelo de classificar corretamente os microplásticos de polietileno e poliestireno. Os resultados comprovam que nossa arquitetura SWIR unificada oferece identificação consistente e confiável na mais ampla faixa de tamanhos de partícula e de condições ambientais.
Conclusão
Este estudo demonstra o poder da imagem hiperespectral integrada no enfrentamento de desafios ambientais e industriais complexos de separação. Uma biblioteca química de referência desenvolvida a partir de materiais macroscópicos de fácil acesso pode ser reduzida de escala com sucesso para automatizar a detecção de contaminantes microscópicos.
Enquanto nossa configuração NIR convencional oferece uma solução robusta e de bom custo-benefício para triagem de base, o sistema unificado de imagem SWIR entrega a precisão espectral de alto nível exigida por pesquisas avançadas e por controles de qualidade críticos, nos quais a exatidão absoluta em escala microscópica é obrigatória.
