Desempenho de uma Língua Eletrônica Impedimétrica com Algoritmo de Aprendizado de Máquina na Análise de Águas Residuais
Sensores químicos, espectroscopia de impedância, filmes nanoestruturados, qualidade da água, aprendizado de máquina
A água é o recurso mais importante para a manutenção e a sobrevivência dos seres vivos. O acesso à água de qualidade é também um direito humano. A água é utilizada nas mais diversas atividades humanas e, por isso, é essencial que ela seja tratada após o uso para que retorne ao meio ambiente em qualidade adequada para que não haja nenhum prejuízo à saúde humana e/ou cause desequilíbrio ecológico. As águas despejadas na rede de esgoto são chamadas de águas residuais. Essas seguem para estações de tratamento para que sejam devidamente limpas do excesso de rejeitos e resíduos que possam contaminar e/ou desequilibrar o meio ambiente. A eficiência e o controle do tratamento são aferidos por análises laboratoriais de diferentes parâmetros de qualidade. Essas análises muitas vezes demandam muito tempo e recursos, financeiro e humano. Por esses motivos, é importante a pesquisa e inovações tecnológicas que possam assistir ao processo de controle da qualidade de água, diminuindo o tempo de análise e o uso de recursos. Entre as tecnologias mais atuais, os sensores químicos aparecem como muito promissores, pois são dispositivos portáteis, capazes de detectar diversas espécies químicas de interesse ao mesmo tempo que podem ser implementados no processo de tratamento de água, monitoramento in loco e tempo real. Nessa linha, o presente projeto propõe o desenvolvimento e avaliação de um sistema multissensorial tipo língua eletrônica para o controle de qualidade de tratamento de água residual. A língua eletrônica a ser avaliada é composta de um arranjo de sensores impedimétricos inespecíficos, formados por eletrodos interdigitados modificados com filmes ultrafinos de nanomateriais diversos, um analisador de impedância; e um ou mais algoritmos de classificação das amostras. As amostras de água foram fornecidas pela Companhia de Saneamento Ambiental do Distrito Federal (CAESB), obtidas de diferentes estações de tratamento de esgoto da cidade de Brasília-DF e entorno. Foram analisadas 212 amostras de 7 estações diferentes, coletadas entre os meses de novembro e dezembro de 2022, janeiro e de setembro a dezembro de 2023. Verificou-se que a língua eletrônica desenvolvida consegue distinguir, com eficiência razoável, as amostras de acordo com a estação de tratamento de origem. Já com o algoritmo de classificação, para quatro parâmetros de qualidade: demanda química de oxigênio (DQO), sólidos suspensos totais (SST), nitrogênio total (NT), fósforo total (PHOSP), teve índices de acertos com a língua eletrônica variando de 40% a 60%.