Identificação de plásticos comerciais por meio de um nariz eletrônico baseado em polímeros condutores.

• Ano de defesa: 2011
• Autor(a) principal: Martins, Gilmar Antonio dos Santos
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Caracterização de polímeros; Characterization of polymers; Chemoresistive sensors; Electronic nose; Gas sensors; Nariz eletrônico; Sensores de gases; Sensores quimiorresistivos
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/3/3133/tde-31052011-152800/

O presente trabalho consiste no desenvolvimento de uma nova técnica de identificação de materiais poliméricos por meio do uso de um nariz eletrônico. Narizes eletrônicos têm sido desenvolvidos para detecção automática e classificação de odores e gases. São instrumentos capazes de medir a concentração ou intensidade odorante de modo similar a um olfatômetro, mas sem as limitações inerentes ao uso de painel humano, o que é altamente desejável. O nariz eletrônico é composto por um sistema de sensores, no nosso caso, utilizamos um arranjo de quatro sensores, que foram confeccionados pela deposição de finos filmes de polímeros condutores dopados sobre a superfície de eletrodos interdigitados. Estes sensores foram conectados a condutivímetros acoplados a um computador de uso pessoal (PC) através de um conversor AD. O PC era dotado de softwares de aquisição e tratamento de dados. Amostras dos materiais a serem analisados foram aquecidas a 257°C e o arranjo de sensores foi exposto aos compostos voláteis produzidos durante esse aquecimento. Realizaram-se 30 ensaios formados por períodos de exposição (5 segundos; compostos voláteis) intercalados por períodos de recuperação (45 segundos; ar puro). Os dados obtidos foram tratados estatisticamente por Análises de Componentes Principais (PCA). Esse arranjo de sensores mostrou-se eficiente, sendo capaz de diferenciar nove tipos de materiais poliméricos testados. Apresentou 100% de acerto em 30 ensaios de classificação realizados.