A detecção de microplásticos em águas residuais tem sido um desafio para os pesquisadores. As técnicas existentes são demoradas e complicadas, muitas vezes exigindo o uso de microscópios ópticos ou infravermelhos para analisar manualmente os minúsculos fragmentos de resíduos plásticos na água. No entanto, uma nova abordagem está mudando o jogo.
O Problema dos Microplásticos
Os microplásticos, definidos como pedaços de plástico com menos de 5 milímetros de comprimento, são uma preocupação crescente. As estações de tratamento de águas residuais são uma fonte significativa de poluição por microplásticos em ambientes marinhos. “Os próprios plásticos são uma preocupação e há preocupação com outros tipos de poluentes que se associam aos microplásticos”, disse Wayne Parker, professor de engenharia civil e ambiental na Universidade de Waterloo em Ontário, Canadá.
Uma Nova Abordagem
Parker e seu colega Alexander Wong, um especialista em inteligência artificial, desenvolveram um sistema de identificação de imagem que poderia potencialmente ser usado por estações de tratamento de águas residuais e produtores de alimentos para identificar a presença de microplásticos. O sistema, chamado PlasticNet, usa aprendizado profundo, um subconjunto de inteligência artificial, para identificar microplásticos com base nos sinais que eles produzem em resposta à exposição à luz.
Como Funciona
A equipe usou uma técnica avançada de espectroscopia na qual eles iluminaram a água. Diferentes tipos de plásticos absorvem e transmitem luz em diferentes comprimentos de onda. “Você olha como a luz é transmitida através do plástico e então faz uma varredura de comprimentos de onda e olha qual é a assinatura correspondente”, disse Parker. “Essa assinatura pode lhe dar uma visão sobre o tipo de plástico com o qual você está trabalhando.”
O modelo foi então treinado em pequenos passos progressivos. Foi primeiro treinado com plásticos comumente usados. À medida que o treinamento progredia, Parker e sua equipe introduziam plásticos mais complexos para levar em conta o fato de que a maioria dos plásticos comerciais não são apenas polímeros puros, mas também contêm aditivos, como corantes que lhes dão cor ou outros produtos químicos que melhoram propriedades como ductilidade e resistência ao calor.
Resultados Promissores
A abordagem mostrou-se promissora. Quando comparada aos métodos tradicionais de identificação de microplásticos, Parker disse, “era cerca de 50% mais rápida e mais precisa”. O PlasticNet foi capaz de classificar com sucesso 11 tipos de plástico comum com uma precisão superior a 95%.
Esta nova abordagem para a detecção de microplásticos tem o potencial de revolucionar a forma como monitoramos e gerenciamos a poluição por plásticos. Com a capacidade de identificar rapidamente a presença de microplásticos, podemos tomar medidas mais eficazes para reduzir seu impacto em nosso meio ambiente e saúde humana.
