Banca de QUALIFICAÇÃO: EGON PIRAGIBE BARROS SILVA BORGES

Uma banca de QUALIFICAÇÃO de MESTRADO foi cadastrada pelo programa.
DISCENTE : EGON PIRAGIBE BARROS SILVA BORGES
DATA : 01/12/2023
HORA: 14:00
LOCAL: Online
TÍTULO:

Reusabilidade de criogéis de nanocelulose e látex de borracha natural para absorção de óleo: Caracterização por microtomografia de raios X e segmentação das imagens de baixo contraste por redes neurais de aprendizado profundo

PÁGINAS: 75
RESUMO:

Derramamentos de óleo e vazamentos de efluentes industriais têm causado impactos negativos em ecossistemas aquáticos. Em busca de estratégias simples e eficazes de remediação ambiental, diversos estudos investigam o desenvolvimento de novos materiais absorventes e renováveis para a captura eficiente de contaminantes orgânicos. A nanocelulose é um material promissor que possui essas características devido a sua capacidade de se organizar em um material altamente poroso com elevada área superficial. No entanto, sua hidrofilicidade limita sua aplicação na absorção de contaminantes hidrofóbicos em ambientes aquosos. Recentemente, foi comprovado que a adição de látex de borracha natural (LBN) à celulose nanofibrilada (CNF) confere propriedades hidrofóbicas e resiliência estrutural ao criogel resultante (CNF@LBN), possibilitando sua aplicação na absorção de óleo. Baseado nesse antecedente, neste trabalho foi proposto avaliar a reutilização do criogel de CNF@LBN na captura do óleo, com uma abordagem inédita através da centrifugação para remoção do contaminante (metodologia livre de solventes), assim como uma caracterização morfológica detalhada ao longo dos ciclos de reuso por meio dos tomogramas obtidos por microtomografia de raios X (μCT). Os resultados obtidos por μCT tem como objetivo a análise das mudanças estruturais do criogel e das razões subjacentes para a queda de desempenho ao longo dos ciclos de reuso. Contudo, os tomogramas do criogel de CNF@LBN com óleo apresentam baixo contraste, dificultando a segmentação dessas imagens. Neste contexto, uma abordagem inovadora para segmentação de imagens por μCT de criogéis impregnados com óleo através de redes de aprendizado profundo (do inglês, DNN – deep neural network) foi proposta neste trabalho. Foi desenvolvido um método auto supervisionado para a rede SA-Unet que utiliza imagens de criogéis sem óleo como rótulos verdadeiros. A partir desses rótulos, uma textura é adicionada às imagens para simular as características dos tomogramas dos criogéis com óleo. Isso permite treinar eficientemente a DNN para segmentar imagens de baixo contraste de criogéis com óleo. Os resultados obtidos nos testes de reuso indicaram que os criogéis após múltiplos ciclos de absorção e dessorção mantiveram até 60% de sua capacidade de absorção inicial com 25% de redução máxima da porosidade, mesmo após 30 ciclos de reuso. Após treinada através do método desenvolvido, a rede SA-Unet foi eficaz na segmentação das imagens reais do criogel contendo óleo. Em resumo, esses criogéis baseados em nanocelulose contendo látex mostraram-se uma alternativa viável e ecologicamente correta para múltiplos ciclos de reuso na remediação de ambientes contaminados por óleo, sendo validado por métodos físicos e computacionais. Portanto, ao automatizar completamente o processo de segmentação, tornou-se possível segmentar essas imagens na escala de minutos, otimizando o tempo de análise e tratamento de dados. 

MEMBROS DA BANCA:
Presidente - Interno ao Programa - 052.991.506-52 - JULIANA DA SILVA BERNARDES - UFABC
Membro Titular - Examinador(a) Externo ao Programa - 1600876 - FRANCISCO DE ASSIS ZAMPIROLLI
Membro Titular - Examinador(a) Externo à Instituição - AUGUSTA CERCEAU ISAAC NETA - UFMG
Membro Suplente - Examinador(a) Interno ao Programa - 050.966.059-22 - MURILO SANTHIAGO - CNPEM
Membro Suplente - Examinador(a) Externo à Instituição - ELISA SILVA FERREIRA
Membro Suplente - Examinador(a) Externo à Instituição - VICTOR RAMÓN MARTINEZ ZELAYA