Espectroscopia para Reciclagem de Plásticos

Por Yvette Mattley, Ph.D., e Derek Guenther

Com o seu uso generalizado e quase onipresente no nosso quotidiano, os plásticos gozam de um elevado nível de sensibilização do público – tanto positivo quanto negativo. Uma área de especial interesse entre pessoas de todas as perspetivas – de investigadores e fabricantes a ambientalistas e reguladores – é a reciclagem de plásticos.

Nesta nota de aplicação exploramos como a espectroscopia pode ser usada na reciclagem de plásticos para identificar e classificar uma variedade de plásticos com alto grau de especificidade.

Introdução

Os materiais sintéticos que compostos por alguns plásticos usam macromoléculas como polímeros. Estes polímeros são comumente fabricados através de moldagem por injeção a baixas temperaturas, sugerindo que a reutilização dos materiais via reciclagem é simples. No entanto, muito poucos tipos de plástico podem ser misturados, o que torna necessário separar de forma limpa os diferentes polímeros no fluxo de reciclagem.

Técnicas como espectroscopia NIR e análise Raman fornecem informações úteis sobre os materiais, incluindo a composição química, sento então muito eficazes na identificação de plásticos para reciclagem. A integração da espectroscopia no fluxo de reciclagem pode tornar os processos mais simples, mitigando a necessidade de algumas etapas de classificação.

Em comprimentos de onda NIR (>800 nm), os polímeros têm características espectrais fortes e distintas, que se podem correlacionar com os códigos de reciclagem impressos em plásticos (Figura 1). Além disso, com a espectroscopia NIR, há muito pouca preparação de amostra a ser feita. As configurações são flexíveis e personalizáveis ​​para muitas diferentes situações.

Em alguns casos, a espectroscopia Raman pode ser usada para identificar compostos desconhecidos. De facto, nas condições certas – ou seja, com níveis de sinal suficiente e com métodos adequados para mitigar a interferência da fluorescência – Raman é altamente específico para identificação de plásticos.

Tão eficazmente quanto a espectroscopia Raman e NIR pode ser para identificação de plásticos transparentes e coloridos, nenhum método é adequado para identificação de polímeros negros. Isto porque o negro absorve a luz do laser de excitação Raman na região do NIR. No entanto, há referências na literatura para a utilização de técnicas de espectroscopia de infravermelho para identificar polímeros pretos.1

Refletância Difusa com Espectrómetro Flame-NIR+

Para esta nota de aplicação, o foco está na espectroscopia NIR. Para demonstrar a eficácia do Espectrómetro Flame-NIR+ para identificação de plásticos, medimos a refletância difusa de várias amostras: PETE (tereftalato de polietileno), frequentemente usado em recipientes e roupas; o termoplástico PEBD (polietileno de baixa densidade); PP (polipropileno), que tem inúmeras aplicações cotidianas; e PS (poliestireno), que abre caminho em embalagens e recipientes.

O Flame-NIR+ (Figura 2) tem um formato compacto, alcance ótico de alto desempenho com um detetor de matriz InGaAs não refrigerado para resposta espectral de 970-1700nm. Tem até 6x maior sensibilidade em comparação com os modelos anteriores, oferecendo menor limite de deteção e permitindo um tempo de integração mais curta.

Para medir as amostras, usamos o Flame-NIR+ com uma fonte de luz halógena de tungsténio de alta potência, Sonda de reflexão de 600 μm e refletância difusa padrão; o Software operacional OceanView completa a configuração. Definimos os parâmetros em tempo de integração de 6 ms, com 50 scans para média e largura boxcar definida como 1.

O OceanView adquiriu dados no modo de absorvância, então poderíamos plotar log(1/R) dos espectros de refletância, com R sendo a refletância da amostra. Esta pode ser uma maneira mais intuitiva de mostrar espectros de refletância para análise química, considerando o log(1/R) do espectro de refletância que nos permite ver a concentração em escala com a intensidade do sinal.

Inicialmente, recolhemos espectros Flame-NIR+ sem aplicar a correção da linha de base (Figura 3). Para ser mais fácil discernir características espectrais, fizemos uma linha de correção base subtraindo a refletância a 1303 nm de cada ponto de dados no espectro. Esta é uma etapa de processamento de dados que ajuda a eliminar a compensação de intensidade que pode resultar do movimento de fibras ou outros problemas, tornando mais fácil examinar diferenças nas formas espectrais (Figura 4).

Refletância Difusa com Espectrómetro NIRQuest+

Foram feitas medições adicionais usando o NIRQuest+1.7, um espectrómetro detetor termoelectricamente refrigerado de matriz InGaAs com resposta de 900-1700 nm (Figura 5). Também estão disponíveis versões com resposta de 900-2200 nm e de 900-2500 nm.

Os espectrómetros NIRQuest+ têm um design ótico para desempenho de alta sensibilidade, permitindo baixos limites de deteção e espectros mais limpos para medições de reflexão difusa em comprimentos de onda mais longos. Comparado com o Flame-NIR+, NIRQuest+ é mais sensível e oferece versões com resposta espectral em comprimentos de onda NIR (>1700 nm).

Tal como acontece com o Flame-NIR+, medimos amostras de plástico (PET e PP) usando uma fonte de luz halógena de tungstênio de alta potência, sonda de reflexão de 600 μm e padrão de refletância difusa. Definimos os parâmetros no software OceanView com tempo de integração de 5 ms, com 25 scans e largura de boxcar definida como 1. Dimensionamos os resultados como %Reflexão (Figura 6).

Usar os Dados NIR

Com espectros NIR, é possível criar modelos de calibração robustos, mas se o objetivo é prever fora desses modelos de calibração, eles não são muito viáveis. De facto, os espectros NIR fornecem uma riqueza de informações sobre as amostras, desde que se tenha ferramentas para extrair esses dados. Por exemplo, o Principal Component Analysis, um método de análise quimiométrica, pode ser aplicado aos dados recolhidos para agrupar e classificar as amostras por tipo usando sua assinatura espectral.

Além disso, para um processo de classificação de plásticos, ser capaz de tomar decisões úteis tendo em conta a refletância NIR spectral é uma grande oportunidade para utilizar os algoritmos machine learning Ocean. Aplicado a um processo automatizado de triagem de reciclagem, a Ocean Intelligence fornece outra camada de insight em separação polímeros de forma mais eficiente e com menos erros de classificação. Tudo o que não está ordenado corretamente transforma-se em lixo, que deve ser reciclado novamente.

Conclusões

Com a evolução contínua dos espectrómetros NIR e experiência em machine learning, é possível agilizar os processos de triagem de plásticos para reciclagem, tornar as operações mais rentáveis ​​e contribuir para um ambiente mais sustentável.

Referências

Becker, W., Sachsenheimer, K. and Klemenz, M., “Detection of

Black Plastics in the Middle Infrared Spectrum (MIR) Using Photon

Up-Conversion Technique for Polymer Recycling Purposes,“ Polymers

(Basel). 2017 Sep; 9(9): 435.

DOWNLOAD PDF