Contribuições ao desenvolvimento de um nariz eletrônico para análises de odores ambientais

Abstract

A poluição atmosférica causada por odores ambientais é um problema comumente associado a atividades antropogênicas. Neste sentido, efeitos adversos à saúde, desconforto à vizinhança e frequentes reclamações têm sido registradas. No entanto, a mensuração de odores implica desafios significativos, pois estes compostos são misturas gasosas complexas, podem apresentar baixas concentrações no meio ambiente e às vezes exibem alta variabilidade espaço-temporal. Na percepção de um odor está implícita uma interpretação subjetiva. A metodologia mais utilizada para mensurar odores é a olfatometria dinâmica, que utiliza o nariz humano como instrumento de medição em conjunto com um olfatômetro. Este equipamento realiza diluições controladas das amostras, as conduz até o júri olfatométrico e quantifica o resultado da concentração odorante. Apesar do apropriado desempenho e as vantagens desta técnica, a olfatometria demanda elevados custos, e as análises são demoradas e não contínuas. Neste sentido, outra abordagem para mensurar odores que permita superar algumas destas limitações é uma opção atraente. Assim, o objetivo geral da tese é contribuir no desenvolvimento de um nariz eletrônico para caracterizar os odores emitidos por uma ETE (Estação de Tratamento de Esgoto) e um aterro sanitário, reconhecidas fontes de incômodos olfativos. Para esse propósito, o nariz eletrônico foi aprimorado a partir de um sistema de aquisição de dados e uma linha de transporte de fluidos previamente desenvolvido. Desse modo, foi realizada a seleção de um arranjo de sensores de gases MOS (Semicondutor de Óxido Metálico), de seletividade cruzada na resposta; desenho e construção de uma apropriada câmara de medição; aprimoramento do software para a aquisição, visualização e armazenamento dos sinais elétricos; e implementação de técnicas de processamento da informação para análises qualitativas e quantitativas de odores. Na aplicação da ETE, demonstrou-se que o nariz eletrônico, através de Análises de Componentes Principais (PCA) pode discriminar seis classes de odores de acordo às etapas de tratamento da planta. Também foram analisados gráficos de odour fingerprints, que permitiram identificar padrões de odores, com menor precisão do que a PCA. Para estimar a concentração odorante usou-se uma regressão com Mínimos Quadrados Parciais (PLS), obtendo-se resultados satisfatórios no ajuste do modelo: coeficiente de determinação ajustado Radj = 0,9964; erro RMSE = 1,17×104; e linha de ajuste com inclinação (m) e intercepta com o eixo Y (b) iguais a 0,9597 e 410,8 UOE m-³, respectivamente. Em relação às amostras do aterro sanitário, foram identificadas com sucesso quatro classes de odores correspondentes aos cenários estudados. Salienta-se que a porcentagem de acerto alcançada nesta análise foi superior a 92%, utilizando-se uma rede neural artificial (ANN) com topologia Perceptron Multicamadas (MLP). Resultados favoráveis também foram obtidos empregando PCA e odour fingerprints. Ademais, verificou-se a apropriada resposta quantitativa do instrumento, principalmente através de uma regressão com MLP. O coeficiente Radj foi superior a 0,99; m = 0,99; e 0 < b = 19,54 UOE m-³. Na implementação dos MLP foi contemplada consistência no tratamento dos dados através de validação cruzada, análise de outliers, 100 iterações do modelo e avaliação do desempenho das ANN. Vale frisar que a capacidade de discriminação do nariz eletrônico pode ser útil na identificação de eventos irregulares de odores. Além disso, o apropriado desempenho dos modelos de regressão evidenciou a competência do instrumento para quantificar odores de diversas origens. Verificou-se que o uso de múltiplas ferramentas de processamento favorece a interpretação dos resultados e fornece uma resposta mais representativa dos odores alvo de estudo. O nariz eletrônico proposto constitui uma ferramenta útil e abrangente na avaliação de odores ambientais, com potencial aplicação no monitoramento contínuo de substâncias odoríferas, correlação de resultados com outros instrumentos de medição e funcionamento conjunto com modelos de dispersão.

Abstract : Atmospheric pollution caused by environmental odours is a problem commonly associated with anthropogenic activities. Adverse effects on human health, nuisance to the community and frequently neighbourhood complaints have been related. However, odours measurements imply significant challenges, due to these are complex compounds, they can present low concentrations at environment conditions and sometimes exhibit high spatio-temporal variations. Indeed, smell perception involves a subjective interpretation. For odour measurements, the dynamic olfactometry is the more applied methodology, which employs the human nose as measurement instrument in conjunction with an olfactometer. This equipment performs controlled dilutions of a gaseous sample, then exposing them to the assessors panel and compute de results. Despite the proper performance and advantages of this technique, olfactometry is expensive, time-consuming and it doesn't support continuous measurements. Then, another approach to measure odours that overcoming the olfactometry limitations is an attractive option. The main objective of this thesis is contributing to the development of an electronic nose (e-nose) in order to characterize odours emitted from a WWTP (Wastewater Treatment Plant) and a landfill, which are relevant sources of odour nuisance. For this purpose, the e-nose was improved from a previous data acquisition system and fluid transportation line. Hence, was performed the selection of a MOS (Metal-Oxide-Semiconductor) sensor array, with cross-sensitivity response; design and built of a proper measurement chamber; improvement of the software to acquire, visualize and store the electrical signals; and to perform various processing techniques for qualitative and quantitative odours analysis. To the application on WWTP, was demonstrated that the e-nose, through Principal Component Analyses (PCA) can discriminate six odours classes according to the treatment stages of the facility. Moreover, was employed graphical analysis from odour fingerprints, which allowed identifying odour patterns, although with less precision than PCA. To predict the odour concentration, Partial Least Squares (PLS) was used and successful outputs from the fitting model was achieved: adjusted determination coefficient Radj = 0,9964; error RMSE = 1,17×104; and fitting line with slope (m) and intercept with the Y-axis (b) equals to 0,9597 and 410,8 UOE m-³, respectively. Regarding landfill samples, four odours classes according to the studied scenarios were successfully identified. Highlighting that the output accuracy was greater than 92% by using an Artificial Neural Network (ANN) with Multilayer Perceptron (MLP) topology. Suitable results were also achieved from PCA and odour fingerprints analysis. An appropriate quantitative response of the instrument was verified, mainly by an MLP regression. The coefficient Radj was greater than 0.99; m = 0.99; and 0 < b = 19.54 UOE m-³. By MLPs a consistent data treatment was carried out through cross-validation, outliers analysis, 100 model iterations and evaluations of the ANNs performances. It is worth noting that the e-nose discrimination capability can be useful to identify odours irregular events. In addition, satisfactory performance of the regression models showed the instrument ability to quantifying odours from different sources. The use of multiple processing tools aids the results interpretation and provides a more representative response of the odours studied. The proposed e-nose constitutes a useful tool for environmental odour assessments in a comprehensive way, with potential for continuous monitoring applications, results correlations with another measurement instruments and operating coupled to odour dispersion models.