Download PDF
ads:
UNIVERSIDADE FEDERAL DA PARA
Í
BA
CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA
DEPARTAMENTO DE QUÍMICA
PROGRAMA DE PÓS-GRADUAÇÃO EM QUÍMICA
DISSERTAÇÃO DE MESTRADO
Espectrometria de Emissão em Chama Baseada
em Imagens Digitais
Wellington da Silva Lyra
João Pessoa – PB - Brasil
2008
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
UNIVERSIDADE FEDERAL DA PARA
Í
BA
CENTRO DE CIÊNCIAS EXATAS E DA NATUREZA
DEPARTAMENTO DE QUÍMICA
PROGRAMA DE PÓS-GRADUAÇÃO EM QUÍMICA
DISSERTAÇÃO DE MESTRADO
Espectrometria de Emissão em Chama Baseada
em Imagens Digitais
Wellington da Silva Lyra
Dissertação apresentada como
requisito para obtenção do título de
Mestre em Química pela
Universidade Federal da Paraíba.
Orientador: Prof. Dr. Edvan Cirino da Silva
Co-orientador: Prof. Dr. Luciano Farias de Almeida
João Pessoa – PB - Brasil
2008
ads:
L992e Lyra, Wellington da Silva
Espectrometria de emissão em chama baseada em imagens digitais
/ Wellington da Silva Lyra. - - João Pessoa: UFPB, 2008.
89 f. : il.
Orientador: Edvan Cirino da Silva.
Dissertação (Mestrado) – UFPB, Programa de Pós-graduação em
Química, CCEN.
1. Espectrometria. 2. Imagens digitais. 3. Formulações
farmacêuticas.
UFPB/BC CDU: 543.51(043)
Espectrometria de Emissao em Chama
Baseada em Imagens Digitais.
Aprovada pela banca exan1inadora:
~f.Dr.~ffi-~
Orientador/Presidente '
'--'
4-",
..
araes Lemos
mador
À professora Vânia Maria de Medeiros,
com quem dei os meus primeiros
passos na Química Analítica
Instrumental. Com todo carinho
DEDICO.
Agradecimentos
A Deus pelo dom da vida.
Aos meus pais Rafael e Edna.
Aos professores Edvan Cirino da Silva, Luciano Farias de Almeida,
Valdomiro Lacerda Martins e Mário César Ugulino de Araújo pela
oportunidade de trabalho, seus ensinamentos, constantes discussões,
contribuições acadêmicas e científicas e sugestões.
Aos professores Edvaldo da Nóbrega Gaião, Sherlan Guimarães Lemos e
Teresa Cristina Bezerra Saldanha por todas suas sugestões na pré-defesa
e na defesa.
A Carlos Xavier pelas horas passadas de frente ao fotômetro de chama
refazendo seu circuito eletrônico.
A Vagner, Paulo Henrique e Amália (...) pela ajuda na parte experimental.
Aos professores, colegas, funcionários do DQ e integrantes do LAQA
À UFPB que tão gentilmente cedeu a estrutura do LAQA para o
desenvolvimento deste trabalho.
Àqueles que possuíram contribuições diversas...
O Espectro da Rosa
Juntem-se vermelho
Rosa, azul e verde
E quebrem o espelho
Roxo para ver-te
Amada anadiômena
Saindo do banho
Qual rosa morena
Mais chá que laranja,
E salte o amarelo
Cinzento de ciúme
E envolta em seu chambre
Te leve castanha
Ao branco negrume
Do meu leito em chamas.
Vinicius de Moraes - Livro de Sonetos
i
SUMÁRIO
LISTA DE FIGURAS ..................................................................
iii
LISTA DE TABELAS ..................................................................
iv
LISTA DE ABREVIATURAS ........................................................
v
RESUMO ................................................................................
vi
ABSTRACT ..............................................................................
vii
CAPÍTULO 1: INTRODUÇÃO .....................................................
1
1.1 Caracterização geral da problemática .................................. 2
1.2 Objetivos ........................................................................
2
1.2.1 Objetivo geral ...............................................................
2
1.2.2 Objetivos específicos ..................................................... 3
1.3 Espectrometria de emissão em chama ............................... 3
1.3.1 A chama ...................................................................... 4
1.3.2 Instrumentação ............................................................ 6
1.3.2.1 Sistema óptico ...........................................................
6
1.3.2.2 Transdutores ............................................................. 7
1.4. Uso da Webcam para aquisição de imagens digitais ............ 8
1.5 Uso de imagens digitais no contexto da química analítica ...... 12
CAPÍTULO 2: CONCEITOS E FUNDAMENTOS DA COR ...................
15
2.1 O sistema visual humano ..................................................
16
2.1.1 O olho humano .............................................................
16
2.1.2 Metamerismo ............................................................... 18
2.1.3 Não-linearidade: intensidade e brilho ...............................
19
2.2 Iluminantes .................................................................... 20
2.2.1 Iluminantes padrão ....................................................... 20
2.2.2 Observador padrão ........................................................
20
2.3 Componentes e características da cor .................................
21
2.3.1 Componente acromática ................................................ 21
2.3.2 Componente cromática .................................................. 22
2.3.3 Tricromaticidade ........................................................... 23
2.3.4 Sistema de cores aditivas primárias ou RGB ..................... 24
2.3.5 Sistema de cores subtrativas primárias ou CMYK ...............
26
CAPÍTULO 3: EXPERIMENTAL ...................................................
28
3.1 Soluções padrões, amostras e reagentes .............................
29
3.2 Equipamentos ................................................................. 30
3.2.1 Sistema de aquisição de imagens ....................................
31
3.3 Programas computacionais utilizados ..................................
32
3.3.1 Programa computacional de captura de imagens digitais .... 32
3.3.2 Programa computacional para tratamento de imagens
digitais ................................................................................
33
3.4 Otimização do sistema de aquisição de imagens ...................
36
3.5 Procedimento e método para validação dos modelos de
calibração ............................................................................
38
ii
CAPÍTULO 4: RESULTADOS E DISCUSSÃO ................................
43
4.1 Tratamento de imagens e curvas analíticas DIB ................... 44
4.2 Imagens digitais e o fenômeno de emissão ......................... 45
4.3 Modelo matemático para a calibração analítica .....................
48
4.4 Relação entre v R
sb
G
−
sb
B
−
e valores experimentais de
sb
−
, e
50
4.5 Curvas analíticas e validação dos modelos ...........................
51
4.6 Figuras de mérito e desempenho do método proposto .......... 56
4.7 Determinações analíticas .................................................. 60
CAPÍTULO 5: CONCLUSÃO .......................................................
62
5.1 Propostas futuras .............................................................
64
CAPÍTULO 6: REFERÊNCIAS .....................................................
65
CAPÍTULO 7: ANEXOS .............................................................
70
7.1 Código fonte do programa Captura de Imagens da Webcam ...
71
7.2 Código fonte do programa Cor Emissão ................................
76
iii
LISTA DE FIGURAS
Figura 1.1. Diagrama esquemático dos processos inerentes a FES
4
Figura 1.2. Estrutura de uma chama típica .............................. 5
Figura 1.3. Componentes básicos de um fotômetro de emissão
em chama ............................................................................
6
Figura 1.4. Seção transversal de um filtro de interferência ........ 7
Figura 1.5. Representação esquemática de uma Webcam típica . 9
Figura 1.6. Desenho esquemático de um pixel de um CCD .........
10
Figura 1.7. Estrutura de um transdutor CMOS ......................... 11
Figura 2.1. Anatomia do olho humano .................................... 17
Figura 2.2. Cone e bastonete ................................................ 17
Figura 2.3. Metamerismo da visão de acordo com a fonte de luz 19
Figura 2.4. Percepção do brilho para um medidor de luz (a) e
para o olho humano (b) .........................................................
19
Figura 2.5. Experimentação do tri-estímulo ............................. 21
Figura 2.6. Duas amostras de cores com alta e baixa saturação e
seus respectivos espectros .....................................................
23
Figura 2.7. Curvas de resposta dos cones ............................... 24
Figura 2.8. Cores primárias aditivas: vermelho, verde e azul .... 25
Figura 2.9. Representação geométrica do sistema RGB ............. 25
Figura 2.10. Cores primárias subtrativas: ciano, magenta e
amarelo ...............................................................................
26
Figura 3.1. Foto do módulo de aquisição de imagens e seu
diagrama esquemático ao lado ................................................
31
Figura 3.2. Interface do programa de Captura de Imagens da
Webcam ..............................................................................
32
Figura 3.3. Interface do programa Cor Emissão ....................... 33
Figura 3.4. Rotina do cálculo da norma do vetor pelo programa
Cor Emissão .........................................................................
36
Figura 4.1. imagem digital com n x m pixels obtida na
determinação de sódio. x
1
, x
2
, y
1
e y
2
são coordenadas da região
delimitada ............................................................................
42
Figura 4.2. Imagens digitais da emissão de: (a) lítio, (b) sódio e
(c) cálcio ..............................................................................
46
Figura 4.3. Espectros de emissão em uma chama butano-ar de:
(a) lítio, (b) sódio e (c) CaOH .................................................
47
Figura 4.4. Espaço vetorial RGB que ilustra a posição do vetor v
associado a uma imagem digital ..............................................
48
Figura 4.5. Norma dos vetores v
1
- v
5
de cada solução de
calibração e os valores
sb−
R
,
sb
G
−
e
sb
B
−
para cada imagem digital
do lítio (a), sódio (b) e cálcio (c) .............................................
51
Figura 4.6. Curvas analíticas DIB-FES (●) e Trad-FES (♦) para os
três analitos determinados .....................................................
53
Figura 4.7. Gráficos de resíduos para as curvas analíticas DIB-FES
(●) e Trad-FES (♦) para os três analitos ...................................
54
iv
LISTA DE TABELAS
Tabela 3.1. Condições ideais obtidas para a captura de imagens 37
Tabela 3.2. Equações para ANOVA de dados experimentais
adaptados a modelos lineares determinados pelo método dos
mínimos quadrados .............................................................
38
Tabela 4.1. Valores
R
BG, e obtidos das imagens digitais
capturadas .........................................................................
45
Tabela 4.2. Parâmetros de regressão linear e limites dos
intervalos de confiança para os coeficientes dos modelos obtidos
pelos métodos DIB-FES e FES ...............................................
52
Tabela 4.3. Somas quadráticas e médias quadráticas calculadas
para ANOVA .......................................................................
55
Tabela 4.4. ANOVA para o modelo linear (Y = α + βX) das
curvas analíticas .................................................................
56
Tabela 4.5. LOD e LOQ para os métodos DIB-FES e FES ......... 59
Tabela 4.6. Resultados da determinação de Li
+
, Na
+
e Ca
2+
por
ambos os métodos ..............................................................
61
v
LISTA DE ABREVIATURAS
FES Espectrometria de emissão em chama
REM Radiação eletromagnética
ANOVA Análise de variância
GLP Gás liquefeito de petróleo
CCD Dispositivo de carga acoplada
CMOS Semicondutor metal-óxido complementar
RBP Proteína ligante do retinol
ICP Plasma acoplado indutivamente
ICCD Dispositivo de carga acoplada intensificada
rh TNF-α Fator-α recombinante de necrose de tumores humanos
CAS Cromazurol S
PLS Mínimos quadrados parciais
ANN Redes neurais artificiais
CSPT Técnica de classificação foto-assistida por computador
RGB Vermelho-verde-azul
CMYK Ciano-magenta-amarelo-preto
Pixel Elemento de imagem
bmp Mapa de bits
SQ Soma quadrática
MQ Média quadrática
DIB-FES Espectrometria de emissão em chama baseada em imagens
digitais
PAHs Hidrocarbonetos policíclicos aromáticos
LOD Limite de detecção
LOQ Limite de quantificação
RSD Desvio padrão relativo
GSAM Método de adição padrão generalizado
IUPAC União internacional de química pura e aplicada
vi
RESUMO
Título: “Espectrometria de Emissão em Chama Baseada em
Imagens Digitais”
Neste trabalho, propõe-se pela primeira vez o emprego de uma
Webcam como uma nova técnica de detecção em espectrometria de
emissão em chama. Este método é aqui denominado Espectrometria de
Emissão em Chama Baseada em Imagens digitais (DIB-FES). As imagens
digitais capturadas pela Webcam estão associadas à radiação emitida pelo
analito numa chama de ar-butano. Com base no sistema de cores
Vermelho-Verde-Azul (RGB), desenvolveu-se um modelo matemático que
utiliza o conceito de norma do vetor no espaço tri-dimensional RGB para
construir as curvas analíticas e estimar as figuras de mérito. Nesta
abordagem, cada imagem fornece os valores médios das componentes R,
G e B que definem a norma do vetor no espaço RGB. Essa norma foi
adotada como resposta analítica, a qual mostrou uma relação linear com a
concentração do analito nas soluções de calibração. As figuras de mérito
para o método DIB-FES foram estimadas de acordo com os conceitos e as
recomendações da IUPAC. Todavia, o desvio padrão do branco foi
calculado a partir dos valores médios de R, G e B de suas imagens
digitais, usando um procedimento proposto com base em equações de
propagação de erros. A fim de ilustrar a viabilidade do método proposto,
foram realizadas aplicações envolvendo a determinação de Li
+
, Na
+
e Ca
2+
em amostras de, respectivamente, comprimidos antidepressivos, soro
fisiológico e águas. Os resultados foram comparados com os obtidos pela
fotometria de emissão em chama tradicional (FES) usada como método de
referência. Constatou-se que não há diferença estatisticamente
significativa entre os resultados, ao aplicar o teste t emparelhado ao nível
de 95% de confiança. O método proposto proporcionou figuras de mérito
(sensibilidade de calibração, limites de detecção e quantificação e desvio
padrão conjunto) melhores que o método FES. Essas características
vantajosas do método DIB-FES são atribuídas à natureza trivariada das
medidas associadas às imagens digitais.
Palavras-chaves: Imagens digitais, Sistema de cores Vermelho-Verde-
Azul, Espectrometria de emissão em chama, Determinação de metais
alcalinos, Formulações farmacêuticas, Análise de águas.
vii
ABSTRACT
Title: “Digital image-based flame emission spectrometry”
In this work, is proposed for the first time the use of a Webcam as a
novel detection technique in flame emission spectrometry. This method is
here named Digital Image-Based Flame Emission Spectrometry (DIB-
FES). Digital images obtained from the webcam are associated to the
radiation emitted by the analyte into an air-butane flame. Based on Red-
Green-Blue (RGB) colour system, it was developed a mathematical model
which use the concept of vector norm in the RGB tri-dimensional space to
build analytical curves and estimate the merit figures. In this approach,
each image yields the average values R, G and B that define the vector
norm in the RGB space. This norm was adopted as analytical response,
which showed a linear relationship with the analyte concentration in
calibration solutions. Figures of merit for the DIB-FES method were
estimated according to IUPAC concepts and recommendations. However,
the standard deviation of the blank was calculated from average values of
R, G and B resulting from their digital images. For this purpose, a novel
procedure was proposed on the basis of error propagation equations. In
order to illustrate the feasibility of the proposed method, it was carried out
three applications involving the determination of Li
+
, Na
+
and Ca
2+
in
samples of anti-depressive drugs, physiological serum and waters,
respectively. The results were compared to ones obtained by traditional
flame emission spectrometry (FES) employed as a reference method. It
was verified that no statistic difference between the results, by applying
paired t-test at the 95% confidence level. The proposed method yielded
better figures of merit (calibration sensitivity, limits of detection and
quantification and overall standard deviation) than the FES method. These
advantageous characteristics of the DIB-FES method are ascribed to
trivariate nature of the measurements associated to digital images.
Keywords: Digital image; Red-green-blue colour system; Flame atomic
emission spectrometry, Alkaline metal determination, Pharmaceutical
formulations, Water analysis.
O fotógrafo – Cybele Varela
CAPÍTULO 1
INTRODUÇÃO
"Ousar é perder o equilíbrio momentaneamente.
Não ousar é perder-se."
Sören Kierkegaard
INTRODUÇÃO
2
1. INTRODUÇÃO
1.1 Caracterização geral da problemática
A FES é a técnica comumente utilizada na determinação de íons Li
+
,
Na
+
, K
+
e Ca
2+
, especialmente em fluidos biológicos. Entretanto, estes não
são os únicos elementos que são capazes de emitir REM na chama como
foi demonstrado por Bunsen e Kirchhoff (JARREL, 2000). Não obstante, os
instrumentos comerciais são projetados exclusivamente para a
determinação desses analitos, tornando inviável a quantificação de outros.
Os fotômetros de chama disponíveis no comércio utilizam
geralmente, para cada metal, um filtro de interferência como seletor de
REM cujos comprimentos de onda abrangem uma faixa considerável. Caso
o analista deseje realizar determinações de outros elementos é necessário
o uso de dispositivos mais sofisticados para o isolamento da REM, o que
aumentará consideravelmente os custos de manutenção.
Com o intuito de superar esses inconvenientes, propõe-se a
utilização de uma Webcam como uma nova técnica de detecção para
espectrometria de emissão em chama. Esse dispositivo oferece, entre
outras vantagens, uma redução drástica dos custos de manutenção da
instrumentação para FES.
Até o presente momento, nenhum trabalho foi encontrado na
literatura envolvendo o uso de uma Webcam para a aquisição de imagens
digitais para implementação de análises quantitativas por FES.
1.2 Objetivos
1.2.1 Objetivo geral
Demonstrar a viabilidade do uso imagens digitais capturadas por
uma Webcam como uma nova técnica de detecção em FES.
INTRODUÇÃO
3
1.2.2 Objetivos específicos
Associar as imagens digitais ao fenômeno de emissão em chama;
Propor um novo modelo matemático, baseado no sistema de cores
RGB e no conceito de norma de vetores, para definir a resposta
analítica usada na construção das curvas analíticas;
Desenvolver um programa computacional para aquisição de imagens
digitais;
Desenvolver um programa computacional para obtenção da resposta
analítica para relacionar as imagens digitais com o fenômeno de
emissão em chama;
Construir curvas analíticas relacionando a resposta analítica com a
concentração do analito;
Validar as curvas analíticas por meio da ANOVA;
Aplicar a nova técnica de detecção à determinação de Li
+
, Na
+
e
Ca
2+
em matrizes não susceptíveis a problemas de interferência
matricial e/ou espectral;
Avaliar o desempenho da metodologia proposta comparando-a com
a FES por intermédio de testes estatísticos aplicado aos resultados
das determinações analíticas.
1.3 Espectrometria de emissão em chama
Entre os métodos analíticos destinados à caracterização de
amostras, os mais simples são os de análise elementar. Eles são úteis em
muitas áreas do conhecimento humano e são comumente aplicados na
análise de amostras de importância em toxicologia, geologia, ciência
forense, prospecção, saúde, nanotecnologia, ciência dos materiais,
controle de processos industriais, processamento de semicondutores,
manufatura automobilística e outros (HIEFTJE, 2000).
Entre os métodos de análise elementar destaca-se a FES, também
conhecida como fotometria de chama (SKOOG, HOLLER e NIEMAN, 2002).
INTRODUÇÃO
4
Essa é a técnica mais antiga utilizada para realizar análises químicas sem
o uso de procedimentos químicos tradicionais (JARREL, 2000).
Nas análises químicas por FES, a amostra é atomizada
quantitativamente e reprodutivelmente. Átomos gasosos do analito são
produzidos na atomização e excitados para estados quânticos resultantes
das transições eletrônicas envolvendo seu(s) elétron(s) de valência. Como
resultado, produz-se um espectro constituído de linhas (ou raias) estreitas
e características do átomo do elemento (HIEFTJE, 2000). A intensidade da
REM emitida pelos átomos (I) é diretamente proporcional à concentração
do analito (C) para uma determinada faixa de concentração, ou seja:
I ∝ C (1)
Para realizar a medida da intensidade da radiação emitida por um
determinado analito, a amostra em solução deverá ser submetida às
transformações físicas representadas diagramaticamente na Figura 1.1.
Figura 1.1. Diagrama esquemático dos processos inerentes a FES.
1.3.1 A chama
Em análises químicas por FES, o conhecimento acerca das
características da chama é de grande importância, pois é onde, com
exceção da nebulização, ocorrem quase todos os processos representados
na Figura 1.1. A produção de uma chama envolve a ignição de uma
mistura combustível-comburente, cuja temperatura máxima atingida varia
de acordo com os gases que a compõe. O tipo de chama mais comumente
utilizada é a GLP-ar, a qual é uma fonte de excitação que atinge
temperaturas de até 2200 °C, suficiente para promover a excitação de
INTRODUÇÃO
5
alguns elementos com baixa energia de ionização (SKOOG, HOLLER e
NIEMAN, 2002).
De uma forma geral, para que uma chama possa ser considerada
satisfatória para análise por FES se faz necessário que ela atinja a
temperatura apropriada para realizar todas as etapas descritas na Figura
1.1. Este parâmetro é controlado pelas pressões do gás combustível e do
comburente usados na mistura. Outra característica importante é que o
seu próprio espectro de emissão, que constitui o fundo da chama, não
interfira na análise.
A Figura 1.2 mostra esquematicamente a estrutura de uma chama
típica baseada na mistura de combustível e comburente.
Figura 1.2. Estrutura de uma chama típica.
Adaptado de OHLWEILER, 1981.
Emergindo através da região (A), a mistura combustível e
comburente forma todas as regiões da chama: a região de pré-
aquecimento (B), região redutora (C), região oxidante (D) e a região do
cone externo (E) (OHLWEILER, 1981).
A região de pré-aquecimento (B) só é uma região quente
unicamente devido ao calor irradiado das regiões C e D e tem uma
espessura de cerca de 1,0 mm. A região redutora (C) é rica em radicais
OH, CN, H, O, etc., e nela não é atingido um equilíbrio térmico. A região
oxidante (D) é a mais indicada para se fazer medidas, pois nela ocorre o
equilíbrio térmico e uma diminuição significativa das concentrações de
INTRODUÇÃO
6
radicais. Na região do cone externo (E) ocorre uma combustão completa
ajudada pelo ar circundante.
1.3.2 Instrumentação
Este trabalho baseia-se na substituição do detector (sistema óptico)
do fotômetro de chama pela Webcam, logo a discussão sobre os demais
componentes básicos de um fotômetro de chama será sucinta.
Os instrumentos utilizados em análise por fotometria de emissão em
chama apresentam, basicamente, os componentes mostrados na Figura
1.3. cujas respectivas funções são:
Reguladores de pressão e fluxômetros: controlar a pressão e a
vazão dos gases que alimentam a chama.
Nebulizador-combustor-atomizador: introduzir a amostra na
forma de aerossol e submetê-la aos processos da Figura 1.1.
Sistema óptico e transdutores: serão descritos em detalhes nas
próximas seções.
Amplificadores operacionais: amplificar e medir sinais elétricos
provenientes dos transdutores.
Figura 1.3. Diagrama esquemático de um fotômetro de chama.
Adaptado de OHLWEILER, 1981.
1.3.2.1 Sistema óptico
É responsável pela seleção e isolamento da REM. Nos equipamentos
comerciais para fotometria de emissão em chama, são utilizados apenas
filtros, e estes podem ser de dois tipos:
INTRODUÇÃO
7
Filtros de interferência: Utilizam o fenômeno da
interferência óptica para fornecer bandas estreitas de radiação
(SKOOG, HOLLER e NIEMAN, 2002). Consiste de um dielétrico
transparente (em geral CaF
2
ou MgF
2
) que ocupa o espaço entre
dois filmes metálicos semitransparentes. Esse arranjo sanduíche é
colocado entre duas placas de vidro ou material transparente
(Figura 1.4). A espessura da camada dielétrica determina o
comprimento de onda da radiação transmitida.
Figura 1.4. Seção transversal de um filtro de interferência.
Adaptado de SKOOG, HOLLER e NIEMAN, 2002.
Filtros de absorção: Seu funcionamento baseia-se na
absorção de certas regiões do espectro de emissão (SKOOG,
HOLLER e NIEMAN, 2002). Os tipos mais comuns de filtros de
absorção são os de vidro colorido e de uma suspensão de corante
em gelatina. Os filtros de vidro possuem maior estabilidade térmica,
sendo adequados para muitas aplicações.
1.3.2.2 Transdutores
É considerado um transdutor todo dispositivo responsável pela
conversão de informação (ou dados) do domínio não elétrico para o
elétrico (transdutor de entrada) e vice-versa (transdutor de saída)
(SKOOG, HOLLER e NIEMAN, 2002). Em instrumentação para fotometria
de chama, utilizam-se tipicamente mostradores digitais como transdutores
INTRODUÇÃO
8
de saída. Em relação aos transdutores de entrada, são comumente usados
os fotodiodos e fototransistores descritos a seguir.
Fotodiodo: É tipo de fototransdutor que consiste de um diodo
de junção pn construído de modo a possibilitar a utilização da luz
como fator determinante no controle da corrente elétrica. É um
dispositivo de junção pn semicondutor cuja região de operação é
limitada pela região de polarização reversa e caracteriza-se por ser
sensível à luz (SOUSA e PEREIRA, 2008). A aplicação de luz à
junção resultará em uma transferência de energia da REM incidente
(na forma de fótons) para a estrutura atômica, resultando em um
aumento do número de portadores minoritários e um aumento do
nível da corrente reversa. O nível de corrente gerada pela luz
incidente sobre um fotodiodo não é suficiente para que ele possa ser
usado em um controle direto, sendo necessário para isto que haja
um estágio de amplificação.
Fototransistor: Trata-se também de um fototransdutor,
porém neste caso ele pode não apenas detecta a incidência de luz
como fornece um ganho de sinal dentro de um único componente
(SOUSA e PEREIRA, 2008). Como o transistor convencional, o
fototransistor é uma combinação de dois diodos de junção, porém,
associado ao efeito transistor aparece o efeito fotoelétrico.
1.4. Uso da Webcam para aquisição de imagens digitais
A Webcam é uma câmera de vídeo de baixo custo que captura
imagens digitais que são transferidas para o computador de modo quase
instantâneo.
A conexão utilizada com o microcomputador é do USB e a captura
de imagem é realizada mediante um transdutor de imagem. A Figura 1.5
mostra o diagrama esquemático de uma Webcam típica.
INTRODUÇÃO
9
Figura 1.5. Representação esquemática de uma Webcam típica.
A seguir são descritos os componentes de uma Webcam e suas
funções:
Lentes: da mesma forma que nos instrumentos usados em
espectroscopia, possuem a função de concentrar os feixes de radiação
tornando-os paralelos (lentes colimadoras).
Ajustador de foco: proporciona uma maior nitidez e realça algum
detalhe durante a captura da imagem.
Filtros: destinados à seleção da região espectral de interesse. Caso
se queira selecionar a região visível do espectro eletromagnético deve-se
usar um filtro de corte para as regiões ultravioleta e infravermelha.
Janela: elemento que delimita a abertura máxima do obturador.
Peltier: dissipa o calor gerado pelo sensor de imagem, pois quando
uma diferença de potencial é gerada no sensor forma-se um gradiente de
temperatura no mesmo.
Placa de circuito: concentra os diferentes componentes eletrônicos
usados no processamento e armazenamento dos dados coletados pelo
sensor de imagem.
Transdutor de Imagem: dispositivo que monitora a radiação
incidente de forma contínua e reversível para aquisição de imagens. No
mercado estão disponíveis dois tipos de dispositivos descritos a seguir.
INTRODUÇÃO
10
CCD: são comercializados numa grande variedade de formas e
configurações por diversos fabricantes.
Nestes dispositivos o semicondutor é formado por silício com
dopagem tipo p e um capacitor polarizado positivamente. Os
elétrons promovidos pela absorção de radiação concentram-se no
poço sob o eletrodo, enquanto as lacunas movem-se da camada tipo
n para o substrato.
Figura 1.6. Diagrama esquemático de um pixel de um CCD.
Adaptado de SKOOG, HOLLER e NIEMAN, 2002.
Na Figura 1.6, pode-se observar que cada pixel é composto
por três eletrodos (SKOOG, HOLLER e NIEMAN, 2002). A carga
acumulada é medida por um circuito que sincroniza as três fases em
sentido horário e é utilizado para deslocar a carga da direita passo a
passo para o registrador de deslocamento de alta velocidade. Neste
caso, a leitura neutraliza a carga acumulada. Tais dispositivos
apresentam a vantagem de apresentar grande sensibilidade a baixos
níveis de radiação.
INTRODUÇÃO
11
CMOS: apresentam grande capacidade de integração, isto é,
ocupam uma área pequena e possuem uma baixa capacidade de
dissipação de potência. Seu funcionamento é baseado em lógica
digital, embora a captura de REM seja feita através de fotodiodos,
que geram cargas energéticas à medida que recebem a luz
(HENDRICH, 2008). Diferentes cargas e intensidades geram
diferentes cores. Este transdutor é muito usado em câmeras de
maior porte, porque apresentar um baixo consumo de energia e alta
durabilidade.
Figura 1.7. Estrutura de um transdutor CMOS.
De acordo com a Figura 1.7, o transistor é fabricado sobre um
substrato. Duas regiões fortemente dopadas do tipo n são criadas
no substrato originando o dreno (D) e a fonte (S). Uma camada
muito fina de cerca de 3 a 20 nm de dióxido de silício (que é um
isolante) ultrapuro é criada sobre a região do substrato entre o
dreno e a fonte. Por fim é depositada uma camada de metal sobre
esse óxido.
As principais características elétricas de um transdutor CMOS
são determinadas em função das suas dimensões (comprimento e
largura) e da espessura da camada de óxido sobre a porta (G).
Atualmente, o comprimento do canal é da ordem de 0,18 mm,
possibilitando a inserção de até 5 milhões de transistores em um
único chip. O cobre é utilizado agora nas linhas de conexão devido à
sua baixa resistividade elétrica. No princípio, o seu uso não era
possível em virtude da não existir uma técnica economicamente
viável para deposição do cobre.
INTRODUÇÃO
12
1.5 Uso de imagens digitais no contexto da química analítica
O emprego de imagens digitais na química analítica ainda não
completou uma década.
O trabalho pioneiro de Monemi et al. (1999) abriu as portas da
química analítica para o uso de imagens digitais. Usando uma câmera
CCD, os autores determinaram RBP por quimiluminescência capilar em
imunoensaios.
Dessa forma estava lançado o gérmen que possibilitou a análise
química baseada em imagens digitais e, rapidamente, foram vislumbradas
as potencialidades de tal aplicação por Lampen et al. (2000). Esses
autores obtiveram informações químicas e mineralógicas de rochas e solos
do planeta Marte a partir da análise de imagens digitais.
A partir dos dois trabalhos citados anteriormente, o emprego das
imagens digitais voltou-se para técnicas baseadas em fenômenos de
emissão tais como ICP, fluorescência e quimiluminescência.
YAMANAKA et al. (2001) utilizaram uma espectrocâmera CCD para
delinear o perfil espacial e espectral da emissão atômica em torno da
superfície de compósitos C/C de dupla camada delgada num plasma.
FUKUI et al. (2001) utilizaram uma câmera de espectrovídeo para medir a
flutuação bidimensional em plasma.
BUREL et al. (2003) utilizaram uma câmera com ICCD para
determinar alumínio, chumbo, carbaril e PAHs por fluorescência molecular
e fluorescência induzida a laser. Ambas as metodologia foram aplicadas
determinações ao nível de ng L
-1
em, respectivamente, água do mar e de
torneira.
STRÖMBERG e HULTH (2005) exploraram imagens digitais para
monitorar o desempenho de um sensor para determinação de íons amônio
em baixos níveis de concentração.
Com aplicação em quimiluminescência, LUO, ZHANG e MA (2005)
desenvolveram um método simples e sensível para determinação de rh
TNF-α em soro humano por imagens digitais e imunoensaios com limite de
detecção da ordem de 1 ng mL
-1
.
INTRODUÇÃO
13
MALEKI, SAVAFI e SEDAGHAPOUR (2004) determinaram
simultaneamente Fe
3+
e Al
3+
em ligas metálicas sintéticas usando CAS,
como reagente cromogênico, e ANN para o tratamento de imagens.
SOUZA, SPEHAR e SANTOS (2004) empregaram o sistema de cores
RGB para determinar o teor de saponina em sementes de quinoa
(Chenopodium quinoa willd).
MIZIGUCHI et al. (2004) utilizaram parâmetros de cromaticidade
para determinação de Fe
3+
, Al
3+
, Ga
3+
e In
3+
com diferentes reagentes
cromogênicos, além de desenvolver um teste do tipo screening para íons
Al
+3
em águas de rios.
PACIORNIK et al. (2006) utilizaram um scanner para quantificar
mercúrio em peixes por spot-tests.
KOHL, LANDMARK e STICKLE (2006) demonstraram, mediante uma
calibração analítica envolvendo soluções padrão de um corante
alimentício, que medidas de absorbância poderiam ser obtidas a partir das
imagens digitais. Todavia, essa estratégia é valida se ocorrer uma
variação em apenas um dos componentes RBG. De fato, no referido
trabalho as imagens digitais obtidas envolvem uma variação somente da
componente B (azul).
GAIÃO et al. (2006) desenvolveram um novo método para
implementação de titulações baseado na exploração de imagens digitais
obtidas com uma Webcam. Essa metodologia foi aplicada com sucesso à
determinação de alcalinidade total em águas.
SAVAFI, ROSTAMZADEH e MAESUM (2007) exploraram imagens
digitais para desenvolver um sensor óptico visando à determinação de pH,
empregando diversos indicadores ácido-base e modelos PLS e ANN.
ASSAD et al. (2002) identificaram impurezas e misturas de café em
pó mediante a análise de espectros de reflectância nas UV-Vis e IR, bem
como de imagens digitais.
ANTONELLI et al. (2004) utilizaram análise multivariada de imagens,
aliada ao algoritmo de classificação baseado em transformada wavelet,
para avaliação de cor de alimentos.
INTRODUÇÃO
14
GINORIS et al. (2007) usaram ferramentas de análise de imagens
(quais sejam, DA, ANN e DT) para o reconhecimento de protozoários e
metazoários.
PEREIRA e BUENO (2007) realizaram uma análise exploratória,
empregando PCA e HCA, de imagens digitais para avaliação da qualidade
de tintas.
AMARAL e FERREIRA (2005) aplicaram a técnica PLS no tratamento
de imagens para monitorar o tratamento de esgoto pelo sistema de lodos
ativados.
FILIPPINI e LUNDSTRÖM (2004) utilizaram CSPT para caracterização
de ensaios colorimétricos e imunoensaios baseada em imagens digitais
obtidas com uma câmera CCD.
LLANO et al. (2007) fizeram um estudo comparativo entre quatro
algoritmos usados em visão computacional para normalização fotométrica
de imagens digitais afetadas por iluminação, objetivando a classificação de
ácidos nucléicos.
J.M.W. Turner - o princípio da cor
CAPÍTULO 2
CONCEITOS E FUNDAMENTOS DA COR
"A imaginação é mais importante que o conhecimento."
Albert Einstein
CONCEITOS E FUNDAMENTOS DA CO
R
16
2. CONCEITOS E FUNDAMENTOS DA COR
2.1 O sistema visual humano
A visualização de todo o espectro de cores é possibilitada pela
interação entre os três elementos da cor: luz, objeto e observador (LEÃO,
2005). Física e tecnicamente, uma determinada cor existe na forma de
energia com um determinado comprimento de onda associado (dados
espectrais). Contudo, a sensação de cor somente existe em nossa mente,
resultante do processamento de determinados comprimentos de onda pelo
sistema visual humano.
2.1.1 O olho humano
A focalização da luz de uma imagem no olho não é realizada pelo
cristalino, mas pela córnea, camada curva localizada na frente do olho. O
cristalino realiza o foco secundário através do auxílio de minúsculos
músculos que estão localizados ao redor dela (FRASER, MURPHY e
BUNTING, 2005).
Da córnea até o cristalino a luz passa através de uma abertura
chamada pupila. Essa abertura se contrai ou se dilata de acordo com a
intensidade da luz por meio da ação da íris (a parte colorida do olho),
conforme Figura 2.1.
CONCEITOS E FUNDAMENTOS DA CO
R
17
Figura 2.1. Anatomia do olho humano.
Adaptado de SILVA JUNIOR e SASSON (2007)
O cristalino permite a passagem da luz pelo gel transparente
chamado de humor vítreo, formando na retina, parte de trás do olho, a
imagem invertida do objeto.
A retina é a parte do olho sensível à luz e sua superfície é composta
de fotorreceptores e terminações nervosas. Existem dois tipos de
fotorreceptores, ou seja, células sensíveis à luz, chamados de cones e
bastonetes (RETONDO e FARIA, 2006), devido à sua forma, conforme
Figura 2.2.
Figura 2.2. Cone e bastonete.
Adaptado de FRASER, 2005
Cada olho possui aproximadamente 120 milhões de bastonetes e 6
milhões de cones (TASI, 2007 e RETONDO e FARIA, 2006). Os bastonetes
se concentram mais ao redor da retina e não são sensíveis a diferenças de
cores, entretanto, registram informações monocromáticas do claro ao
CONCEITOS E FUNDAMENTOS DA CO
R
18
escuro. Eles são muito úteis para detectar movimento e para visualização
com baixo nível de luminosidade.
No sistema visual humano existem três principais tipos de cones,
que respondem aos comprimentos de onda longo, médio e curto,
chamados de cones vermelho, verde ou azul, respectivamente, devido à
predominância da faixa de cor de cada um. Alguns animais possuem
cones capazes de detectar a luz ultravioleta, tais como: abelhas (BRISCOE
e CHITTKA, 2001), beija-flores, algumas espécies de répteis e peixes
(RETONDO e FARIA, 2006).
Os cones são sensíveis às cores e estão concentrados no centro da
retina, onde há maior incidência de luz, área esta chamada de fóvea. No
centro da fóvea existe uma área chamada de fovéola, composta
totalmente por cones. Cada cone possui sensibilidade para detectar REMs
com comprimentos de onda em uma determinada faixa do espectro.
2.1.2 Metamerismo
Metamerismo é uma característica da visão humana que torna
possível a reprodução das cores e já foi tratado por alguns pesquisadores
como um “erro” da visão humana. Em termos simples, é o fenômeno em
que duas amostras de cores diferentes produzem a mesma sensação
(BERNS, 2000). Se os objetos são de cores diferentes, mas produzem a
mesma sensação de cor, isto pode ser causado pela luz que ilumina
ambos os objetos, como ilustrado na Figura 2.3. As cores das amostras
sob a fonte 1 são correspondentes, o que não ocorre quando as mesmas
amostras estão iluminadas pela fonte 2.
CONCEITOS E FUNDAMENTOS DA CO
R
19
Figura 2.3. Metamerismo da visão de acordo com a fonte de luz.
Adaptado de LEÃO, 2005.
2.1.3 Não-linearidade: intensidade e brilho
O sistema visual humano apresenta a característica de ser não-
linear (FRASER, MURPHY e BUNTING, 2005) ao contrário de um medidor
de luz (Figura 2.4 (a)). Em baixas intensidades de luz, os bastonetes
(mais sensíveis ao brilho) estão em plena atividade, gerando uma
resposta de brilho para o cérebro maior do que a intensidade recebida
(Figura 2.4 (b) região azul). Quando a intensidade de luz é maior, os
cones é que estão em maior atividade, pois estes são mais sensíveis às
radiações com diferentes cores e enviam uma resposta de brilho ao
cérebro menor do que a intensidade de luz recebida (Figura 2.4 (b) região
amarela).
Figura 2.4. Percepção do brilho para um medidor de luz (a) e para o olho
humano (b).
CONCEITOS E FUNDAMENTOS DA CO
R
20
2.2 Iluminantes
Os pesquisadores da cor usam fontes de luz teóricas para
determinar a cromaticidade ou a cor pura da luz, como também a fonte
real de luz (LEÃO, 2005). Este padrão de luz é chamado de radiação de
corpo negro, na qual é determinada a distribuição espectral da potência
da fonte de luz baseada na sua temperatura. O termo “fonte de luz” é
usado na teoria da cor para identificar a fonte física da luz, sendo que, no
estudo de modelos teóricos, o termo adotado é “iluminante”.
A CIE tem um comitê técnico para estudar o sistema visual e as
cores e desenvolveu um modelo de cor independente de qualquer
dispositivo, meio de emissão ou reprodução. Este modelo é baseado na
percepção das cores pelo sistema visual humano. Os elementos-chave do
modelo CIE são as definições de iluminantes padrão e as especificações
para o observador padrão.
2.2.1 Iluminantes padrão
São fontes de luz com definições espectrais determinadas, sendo as
principais (LEÃO, 2005):
Iluminante A: representado por uma lâmpada de filamento de
tungstênio com a temperatura de cor de 2854 K.
Iluminante B: representado por um dia de sol com temperatura de
cor de 4874 K.
Iluminante C: representado por um dia de sol pela manhã com
temperatura de cor de 6774 K.
Iluminante D: substituto do iluminante C, é representado por uma
série de iluminantes que simulam a luz do dia de vários modos. Os mais
adotados são o D50 e o D65 com temperaturas de cor de 5000 K e 6504
K, respectivamente.
2.2.2. Observador padrão
É composto por um pequeno grupo de indivíduos (entre 15 e 20)
que apresentam o sistema visual normal. O campo de visão usado para
CONCEITOS E FUNDAMENTOS DA CO
R
21
visualização é de 10º, possibilitando que a reflexão do objeto visualizado
pela sensibilidade da retina seja ampliada.
Figura 2.5. Experimentação do tri-estímulo.
Adaptado de FRASER, 2005
O observador visualiza as duas cores em estudo com o ângulo de
visão definido e com uma separação no meio do furo (Figura 2.5). As
cores são comparadas visualmente, uma proveniente de uma fonte de luz
de cor conhecida e outra pela adição sobreposta das três cores as quais os
cones são sensíveis. Ajustando as intensidades das três luzes, é possível
obter uma cor muito próxima cor da imagem de teste (BERNS, 2000).
2.3 Componentes e características da cor
2.3.1 Componente acromática
Dos três atributos da cor (brilho, cor e saturação) o brilho se
diferencia dos outros dois, em parte porque podem ser detectadas
variações no brilho até mesmo quando não há luz suficiente para detectar
a cor. Por exemplo, em um ambiente muito escuro, as informações
referentes à visão são produzidas pelos bastonetes, os quais não
CONCEITOS E FUNDAMENTOS DA CO
R
22
respondem bem às cores, mas podem perceber pequenas diferenças no
brilho.
O brilho descreve a quantidade de luz, enquanto a cor e a saturação
descrevem a qualidade da luz (caracterizada pelo comprimento de onda
da REM dominante). A diferença entre brilho e luminosidade, para a
maioria das aplicações, pode ser desprezada, pois ambos fazem referência
à percepção humana (não-linear) da intensidade de luz (FRASER, MURPHY
e BUNTING, 2005). O brilho e a luminosidade têm como limites o preto e
o branco. O termo brilho é aplicado para fontes de REM enquanto que a
luminosidade é aplicada a objetos iluminados.
2.3.2 Componente cromática
A tonalidade reflete o comprimento de onda da REM dominante, pois
todas as cores resultam da absorção da REM com diferentes
comprimentos de onda, nos quais as intensidades podem variar.
A definição mais usada para tonalidade é “a cor da cor”, ou seja,
uma cor que possui nome específico, tal como o vermelho, laranja,
violeta, azul, amarelo e outros, de acordo com algumas regiões do
espectro. Por exemplo, o vermelho é uma cor pura, enquanto o róseo não,
pois ele é considerado um vermelho pálido ou sem saturação.
A saturação é determinada pela pureza da cor. Como a tonalidade é
resultante do comprimento de onda dominante, a saturação resulta da
menor extensão que o comprimento de onda dominante abrange.
Amostras de cores que absorvem REM muitos comprimentos de onda
(bandas alargadas) produzem cores sem saturação, enquanto outras cujos
espectros mostram picos produzem cores mais saturadas (BERNS, 2000)
(Figura 2.6).
CONCEITOS E FUNDAMENTOS DA CO
R
23
Figura 2.6. Duas amostras de cores com alta e baixa saturação e seus
respectivos espectros.
Adaptado de FRASER, 2005
2.3.3 Tricromaticidade
O modelo tricromático de percepção das cores foi desenvolvido no
século XIX (TASI, 2007) argumentando que o olho possui três diferentes
tipos de receptores para cores: cada um sensível a uma cor: vermelho,
verde ou azul, que se combina para representar as diferentes cores
percebidas pelo sistema visual humano.
O sistema tricromático divide o espectro visível dentro das regiões
mais dominantes, o vermelho, verde e azul, onde se concentram as cores
que gerarão todas as informações da cor, conforme é mostrado na Figura
2.7.
CONCEITOS E FUNDAMENTOS DA CO
R
24
Figura 2.7. Curvas de resposta dos cones.
Adaptado de RETONDO e FARIA, 2006
O fato de o sistema visual humano possuir três tipos de
fototransdutores de cor é o que possibilita a reprodução das cores
aproximadas.
2.3.4 Sistema de cores primárias aditivas ou RGB
A mistura das cores dominantes, também chamadas de primárias
aditivas, em diferentes combinações e níveis variados de intensidade pode
simular todas as cores existentes no espectro da região do visível. Se a
luz refletida contém a máxima intensidade das luzes vermelha, verde e
azul, o olho percebe o branco, e se não existe luz, é percebido o preto
(BERNS, 2000). Combinando duas cores aditivas primárias puras será
produzida uma cor secundária (ou primária subtrativa), conforme o
diagrama mostrado na Figura 2.8. As cores secundárias, ciano, magenta e
amarelo, são as cores opostas ao vermelho, verde e azul,
respectivamente.
CONCEITOS E FUNDAMENTOS DA CO
R
25
Figura 2.8. Cores primárias aditivas: vermelho, verde e azul.
O princípio de percepção de cores pelo olho humano tem sido
copiado e explorado pelos fabricantes de escâneres a cores e monitores. O
método de interpretação da cor usado pelos dispositivos é baseado
diretamente na resposta do olho humano aos estímulos das luzes
vermelha, verde e azul.
A representação geométrica desse sistema de cores em um espaço
tridimensional gera um sólido conhecido como cubo de cor (Figura 2.9).
Figura 2.9. Representação geométrica do sistema RGB
Neste cubo, cada eixo representa a contribuição de uma cor primária
com intensidades variando na faixa 0 – 255 (8 bits) na formação das
demais cores, ou seja, com 256 níveis de intensidade totalizando 16,7
milhões de cores. Cada par de eixos gera um plano em que são
CONCEITOS E FUNDAMENTOS DA CO
R
26
representadas as cores secundárias (contribuição eqüitativa de duas cores
primárias) no vértice de cada plano. A interseção dos três planos define a
cor preta (não há contribuição de nenhuma das cores primárias) e a cor
branca (mistura eqüitativa das três cores primárias com a intensidade
máxima). A diagonal principal deste cubo representa a escala de cinza.
2.3.5 Sistema de cores subtrativas primárias ou CMYK
As cores primárias subtrativas ciano, magenta, amarelo e preto são
geralmente utilizadas nos processos de impressão, para promover as
variações das porcentagens das tintas, para obter com fidelidade as cores
selecionadas pelo observador. Teoricamente, as combinações das cores
subtrativas perfeitamente puras absorvem todos os comprimentos de
onda da luz, resultando assim no preto (FRASER, MURPHY e BUNTING,
2005) (Figura 2.10).
Figura 2.10. Cores primárias subtrativas: ciano, magenta e amarelo.
Como os corantes não apresentam cores totalmente puras, as
radiações com certos comprimentos de onda são refletidas em vez de
serem absorvidas, resultando assim numa cor marrom turvo. Para corrigir
esse efeito, adicionou-se a cor preta (em inglês: Black), onde seria
desejado que a letra referente a esta cor fosse o B e não o K, mas a letra
B poderia confundir com Blue. Existem várias teorias para a adoção da
letra K, sendo que a mais lógica delas é o fato de que a união teórica das
CONCEITOS E FUNDAMENTOS DA CO
R
27
três cores CMY geraria o preto, ou seja, a cor-chave (do inglês Key).
Outra teoria é baseada no fato da palavra “preto” em inglês possuir a letra
K.
Outro motivo da adição da cor preta nos sistemas de impressão está
relacionado ao custo de impressão, pois é a cor mais utilizada, evitando
assim a aplicação das três cores subtrativas para gerá-la.
O alquimista – Ilka Almeida Bastos
CAPÍTULO 3
EXPERIMENTAL
"Há pessoas que transformam o sol
numa simples mancha amarela,
mas há aquelas que fazem de uma simples
mancha amarela o próprio sol."
Pablo Picasso
29
EXPERIMENTA
L
29
3. EXPERIMENTAL
3.1 Reagentes, soluções padrão e amostras
Para a preparação das soluções padrão estoque de cada analito de
interesse foram utilizados os seguintes reagentes de grau analítico: Li
2
CO
3
(Merck), Na
2
CO
3
e LaCl
3
(Vetec), CaCO
3
(Mallinckrodt) e HCl (Carlo Erba).
Os carbonatos foram utilizados como reagentes de partida apenas
para uniformizar o procedimento de preparação das soluções padrão
estoque.
As soluções padrão estoque na concentração de 1000 mg L
-1
de Li
+
,
Na
+
e Ca
2+
foram preparadas dissolvendo-se uma massa adequada do
carbonato (seco em estufa a 150 ºC por 2 horas) em um volume mínimo
de solução de HCl 1:1 (v/v) (adição até não haver mais evolução de CO
2
)
e adicionando 200 mL de água deionizada. Em seguida, a solução foi
aquecida até a ebulição para eliminação do CO
2
residual e, após
resfriamento, o volume foi aferido a 1,0 L em um balão volumétrico.
A solução padrão estoque na concentração de 10000 mg L
-1
de La
3+
foi preparada dissolvendo uma massa adequada de LaCl
3
em 10 mL de
solução de HCl 1:1 (v/v) (para evitar a hidrólise dos íons La
3+
) e o volume
final foi levado a 1,0 L com água deionizada em um balão volumétrico.
As soluções de trabalho de Li
+
(6,0 – 30,0 mg L
-1
), Na
+
(1,8 – 9,0
mg L
-1
) e Ca
2+
(10,0 – 50,0 mg L
-1
) foram preparadas por diluição
adequada com água deionizada a partir de suas soluções padrão estoques
em cinco níveis de concentração.
Foram adicionados volumes adequados de uma solução padrão
estoque de La
3+
10000 mg L
-1
às soluções padrão de trabalho de Ca
2+
antes da aferição de volume de tal modo que a concentração de La
3+
fosse
de 1000 mg L
-1
(0,1% de La
3+
). Desta forma, a interferência de íons PO
4
3-
e SO
4
2-
sobre o sinal de emissão de CaOH é minimizada.
Amostras de comprimidos antidepressivos à base de carbonato de
lítio contendo 300 mg do fármaco foram adquiridas em farmácias da
cidade de João Pessoa – PB. O carbonato de lítio também é utilizado no
30
EXPERIMENTA
L
30
tratamento de outras doenças que envolvem o sistema nervoso central
(FUCHS e WANNMACHER, 1998).
Amostras de soro fisiológico contendo 0,90% de cloreto de sódio
foram adquiridas em farmácias da cidade de João Pessoa – PB. O soro
fisiológico é uma solução universalmente adotada para prover o
organismo de sódio e cloro. Estes íons são absorvidos juntos com a água
devido ao déficit extracelular desses íons (OKAMURA, CAVALHEIRO e
NÓBREGA, 2004).
Amostras de águas enriquecidas com cálcio contendo 25,0 g L
-1
de
cal livre foram adquiridas na estação de tratamento de água de Gramame,
a qual abastece a região metropolitana de João Pessoa. A cal é adicionada
no processo de tratamento da água com o objetivo de controlar a
alcalinidade da mesma para garantir a eficiência das etapas de coagulação
e floculação.
Na preparação de uma amostra de carbonato de lítio foi medida a
massa média de dez comprimidos previamente pulverizados, a qual foi
dissolvida em 25 mL de uma solução de HCl 1,0 mol L
-1
(THE UNITED
STATES PHARMACOPOEIA, XXXII). Depois, foi realizada uma filtração e o
volume final foi levado a 1,0 L com água deionizada. A partir da solução
concentrada de amostra, foram feitas diluições adequadas desta solução
de modo a manter os sinais analíticos dentro da faixa linear de resposta
do fotômetro.
Como as constituições das matrizes de soro fisiológico e das de
águas de abastecimento são mais simples, estas foram diretamente
diluídas com água deionizada.
Para cada analito foram analisadas seis amostras.
3.2 Equipamentos
Um fotômetro de chama Digimed modelo NK-2004 foi utilizado para
obtenção dos valores de referência para as amostras dos três analitos em
estudo.
31
EXPERIMENTA
L
31
Uma balança analítica Scientech modelo SA120 foi utilizada na
mediação de massas dos reagentes para preparação soluções padrão
estoques de Li
+
, Na
+
, Ca
2+
e La
3+
.
Uma Webcam Creative Instant com resolução espacial de 352 x 288
pixels e taxa de aquisição de 30 quadros s
-1
foi utilizada para aquisição
das imagens referentes à emissão de cada analito na chama.
3.2.1 Sistema de aquisição de imagens
É composto de uma caixa de madeira medindo aproximadamente 10
x 16 x 18 cm
3
com paredes internas pintadas de preto (Figura 3.1).
Figura 3.1. Foto do módulo de aquisição de imagens e seu diagrama
esquemático ao lado.
Na janela de observação (com diâmetro de aproximadamente 1,5
cm) foi acoplado um tubo (de 4,0 cm de diâmetro interno e 13,5 cm de
comprimento) com as paredes internas foscas para evitar o efeito de
reflexão especular. Na outra extremidade do tubo está a Webcam, que
estava conectada à porta de entrada USB de um micro computador
Pentium III 650 MHz e configurada para captar imagens de 24-bits
(aproximadamente 16,7 milhões de cores) (BERNS, 2000 e GELADI e
GRAHN, 1996).
32
EXPERIMENTA
L
32
3.3 Programas computacionais desenvolvidos
3.3.1 Programa computacional de captura de imagens digitais
Escrito em ambiente Core Gear Rad Studio 2007 (Delphi 2007) da
Borland
®
, o programa computacional chamado “Capturar Imagens da
Webcam”, como o próprio nome já diz, é destinado à captura de
imagens. Este programa é bastante simples e amigável como pode ser
visto na Figura 3.2.
Figura 3.2. Tela do programa de “Capturar Imagens da Webcam”.
O programa “Capturar Imagens da Webcam” é capaz de
reconhecer rapidamente uma Webcam instalada (qualquer que seja o
modelo) e o operador pode dar início à captura das imagens,
independente do programa de gerenciamento fornecido pelo fabricante.
Na tela do programa (Figura 3.2) ao acionar o botão “Seleciona
Webcam” o usuário pode selecionar a Webcam de sua preferência (caso
mais de uma esteja instalada no computador).
Após isto o operador pode dar início à captura de imagens através
do acionamento do botão “Iniciar Captura”. Abre-se então uma janela
para a seleção do diretório onde serão armazenadas as imagens digitais
33
EXPERIMENTA
L
33
capturadas, bem como a nomeação do arquivo de imagem. Ao término
das análises a captura de imagens é encerrada pelo acionamento do botão
“Parar Captura” (Figura 3.2).
As imagens são armazenadas no formato ‘‘bmp’’, pois este não usa
nenhum tipo de compressão preservando a qualidade da imagem (16,7
milhões de cores), o que não se observa em outros formatos (TORRES,
2008).
3.3.2 Programa computacional para o tratamento de imagens
digitais
Também escrito em ambiente Core Gear Rad Studio 2007 (Delphi
2007) da Borland
®
, o programa computacional chamado ‘‘Cor Emissão’’
implementa o algoritmo para obtenção dos dados de cor para o
tratamento das imagens capturadas. Trata-se também de um programa
muito simples e de fácil operação (Figura 3.3).
Figura 3.3. Tela do programa “Cor Emissão”.
Para o tratamento das imagens digitais é exigido que as imagens
digitais capturadas sejam salvas no formato ‘‘BMP’’ tendo como
34
EXPERIMENTA
L
34
justificativa o argumento de TORRES (2008). Por uma questão de
organização é bom que todas as imagens estejam no mesmo diretório.
O programa Cor Emissão possui botões que ao serem acionados
executam tarefas específicas.
Na Figura 3.3 existe a caixa denominada “N Pontos”, a qual está
relacionada com o arquivo de imagem a ser analisado. A esta caixa é
atribuído um número de ordem à medida que as imagens digitais são
processadas.
A rotina de funcionamento do programa computacional “Cor
Emissão” é esquematizada na Figura 3.4. As operações envolvendo o
tratamento dos pixels são descritas abaixo:
1. Definição das coordenadas da região de interesse nas
imagens digitais: ao acionar o botão “Definir coordenadas”
abre-se uma janela na qual o operador seleciona o diretório
destinado ao armazenamento das imagens digitais e o arquivo
de imagem referente ao branco. Com o auxílio do mouse o
usuário delimita a região de trabalho (25 x 25 pixels) e suas
coordenadas ficam armazenadas na caixa “Coordenadas
selecionadas”.
2. Definição das componentes RGB do branco: ao acionar o
botão “Cor RGB do branco” abre-se novamente a janela do
diretório da ‘‘etapa 1’’ para seleção das imagens digitais
referentes ao branco. O programa faz uma varredura de todos
os pixels da região selecionada na ‘‘etapa 1’’, coluna por
coluna, e calcula o valor ‘‘Cor do Windows’’ destes por meio
da função interna do Windows 1, que converte a cor num valor
numérico. Por meio da função interna do Windows 2, o valor
‘‘Cor do Windows’’ é decomposto nas componentes R, G e B
para todos os pixels. Os valores médios de cada componente
35
EXPERIMENTA
L
35
para o branco são calculados e armazenados na caixa “valores
RGB”.
3. Definição das componentes RGB dos padrões ou
amostra(s) e da norma do vetor: ao acionar o botão “Cor
RGB do padrão ou amostra” abre-se novamente a janela do
diretório da “etapa 1” para seleção das imagens digitais
associadas aos padrões ou amostra(s). O programa repete o
procedimento realizado na ‘‘etapa 2’’ e dos valores médios das
componentes R, G e B dos padrões ou amostra(s) são
subtraídas, componente a componente, as médias das
componentes R, G e B do branco. Os resultados das diferenças
são finalmente utilizados no cálculo da norma de cada vetor
associado. Os valores resultantes são armazenados,
respectivamente, nas caixas “valor de R”, “valor de G”,
“valor de B” e “Norma” (Figura 3.4).
36
EXPERIMENTA
L
36
Figura 3.4. Rotina do cálculo da norma do vetor pelo programa
“Cor Emissão”.
3.4 Otimização do sistema de aquisição de imagens
A condição física mais apropriada para a realização da captura das
imagens é aquela, na qual apenas a emissão do analito atinja a Webcam.
Para alcançar tal condição foram realizados testes de avaliação visual da
qualidade da imagem da emissão da solução de Na
+
9,0 mg L
-1
, pois esta
é a emissão mais intensa entre os analitos estudados, sob duas
condições:
37
EXPERIMENTA
L
37
1. Webcam colocada diretamente na janela de observação do
fotômetro de chama;
2. Webcam colocada num tubo ligado diretamente à janela de
observação do fotômetro de chama.
Foi então constatado que na primeira condição era possível apenas
observar uma mancha branca, indicando a saturação do sensor da
Webcam. Na segunda condição o comprimento do tubo foi variado até o
desaparecimento da mancha branca e recuperação da nitidez da imagem
e esta condição foi adotada nos experimentos seguintes.
Fixada a nossa primeira condição experimental estudou-se a relação
entre o diâmetro da janela de observação e o diâmetro do tubo de ligação
com o objetivo de eliminar a reflexão especular nas paredes internas do
tubo.
As condições ideais obtidas após o término desse estudo estão na
Tabela 3.1.
Tabela 3.1. Condições ideais obtidas para a captura de imagens.
Características físicas Dimensão (cm)
Comprimento do tubo 13,5
Diâmetro interno do tubo 4,0
Diâmetro da janela de observação 1,4
Este conjunto foi colocado dentro de uma caixa de madeira.
Estudou-se também a região da chama da chama para captura das
imagens em três níveis: na base da chama, o meio da chama e no topo da
chama. Contudo a relação linear entre a resposta analítca e a
concentração foi observada apenas para as medidas realizadas no meio da
chama como era de ser esperar, como descrito da Seção 1.3.1.
38
EXPERIMENTA
L
38
3.5 Procedimento e método para validação dos modelos de
calibração
Em análise química, o modelo de calibração somente pode ser usado
para estimar a concentração do analito se for capaz de descrever
satisfatoriamente o comportamento dos valores experimentais. Em outras
palavras, o modelo não pode apresentar evidência estatística de falta de
ajuste. Além disso, deve refletir uma regressão estatisticamente
significativa. Para esse propósito, a validação do modelo pode ser
realizada por meio da ANOVA (BARROS NETO, SCARMÍNIO e BRUNS,
2007 e PIMENTEL e BARROS NETO, 1996), cujas equações encontram-se
na Tabela 3.2.
Tabela 3.2. Equações para ANOVA de dados experimentais adaptados a
modelos lineares determinados pelo método dos mínimos quadrados.
Fonte de
variação
Soma quadrática
(SQ)
Graus de
liberdade (GL)
Média Quadrática
(MQ)
Regressão SQ
reg
=∑n
i
[(y
e
)
i
- y
m
]
2
p-1 MQ
reg
= SQ
reg
/(p-1)
Resíduo SQ
r
=∑∑ [y
ij
- (y
e
)
i
]
2
n-p MQ
r
= SQ
r
/ (n-p)
Falta de ajuste SQ
faj
=∑n
i
[(y
e
)
i
- y
im
]
2
m-p MQ
faj
= SQ
faj
/ (m-p)
Erro puro SQ
ep
=∑∑ [y
ij
- y
im
]
2
n-m MQ
ep
= SQ
ep
/ (n-m)
onde: p = número de parâmetros do polinômio do modelo de calibração;
n = número total de medidas;
m = número de níveis da variável independente X.
A validação de modelos lineares pela aplicação do método dos
mínimos quadrados consiste de:
Análise de resíduos: verifica o comportamento dos erros de
previsão do modelo (resíduos) em relação aos dados
experimentais. No gráfico de resíduos é possível identificar o tipo
de erro experimental associado aos dados experimentais. Caso os
resíduos apresentem algum perfil ou estrutura teremos um erro
sistemático associado aos dados experimentais. Caso os resíduos
39
EXPERIMENTA
L
39
se distribuam aleatoriamente em torno de zero teremos apenas
erros aleatórios associados aos dados experimentais. Os resíduos
são calculados de acordo com a equação:
ε = y
i
– ŷ (3)
onde: y
i
= resposta analítica obtida experimentalmente;
ŷ = resposta analítica prevista pelo modelo de calibração.
Para implementar uma ANOVA (Tabela 3.2), é necessário fazer
uma decomposição algébrica dos desvios das respostas analíticas
observadas em relação à média global,
(
)
yy
i
− , conforme descrito
abaixo:
(
)
(
)
(
)
iiii
y
ˆ
yyy
ˆ
yy −+−=−
(4)
A primeira parcela,
(
)
yy
i
−
ˆ
, representa o desvio dos valores
previstos (ou estimados) pelo modelo em relação à média global
e a segunda, , é a diferença entre o valor observado e o
previsto pelo modelo (resíduo).
(
ii
y
ˆ
y −
)
Elevando ambos os membros da
Equação 4 ao quadrado e
fazendo o somatório sobre todos os pontos teremos:
()
(
)
(
)
∑∑∑
−+−=−
2
ii
2
i
2
i
y
ˆ
yyy
ˆ
yy (5)
Estas somas de quadrados são conhecidas como somas
quadráticas, as quais podem ser representadas como
residualregressãototal
SQSQSQ
+
= (6)
40
EXPERIMENTA
L
40
onde: representa a variação total das observações em
relação a media global;
total
SQ
exprime a parcela da variação total descrita pelo
modelo de regressão;
regressão
SQ
denota a parcela da variação total não explicada
pela equação do modelo.
residual
SQ
A fim de avaliar se o modelo apresenta ou não falta de ajuste,
é necessária a realização de medidas repetidas (de maneira
autêntica) em pelo menos um dos níveis da variável X
i
. Sendo
assim, a parcela relativa aos resíduos deixados pelo modelo de
regressão pode ser decomposta de acordo com:
()
(
)
(
)
iiiijiij
yy
ˆ
yyy
ˆ
y −−−=− (7)
Elevando a
Equação 7 ao quadrado e somando sobre todas as
observações teremos:
()
(
)
(
)
∑∑∑∑∑∑
−+−=−
m
i
n
j
2
ii
m
i
n
j
2
iij
m
i
n
j
2
iij
iii
yy
ˆ
yyy
ˆ
y (8)
Esta soma de quadrados é conhecida como soma quadrática
residual:
fajepresidual
SQSQSQ
+
=
(9)
onde: é a soma quadrática devida ao erro puro
ep
SQ
é a soma quadrática devida à falta de ajuste.
faj
SQ
Dividindo-se os valores de todas as somas quadráticas pelos seus
respectivos graus de liberdade, obtêm-se as médias quadráticas (MQ)
41
EXPERIMENTA
L
41
mostradas na Tabela 3.2. Esses valores são utilizados nos testes F para
verificar se há falta de ajuste do modelo e avaliar a significância
estatística da regressão, como descrito abaixo.
Teste de falta de ajuste: compara os resíduos deixados pelo
modelo para determinações realizadas em vários níveis da
variável
X (MQ
faj
) com os resíduos deixados pelas análises
repetidas (autênticas) nestes mesmos níveis (MQ
ep
). Se razão
MQ
faj
/MQ
ep
é menor que o valor do ponto da distribuição F
referente aos graus de liberdade de MQ
faj
e MQ
ep
para um
determinado nível de confiança, temos um modelo que não
apresenta falta de ajuste;
Teste de significância de regressão: os resíduos deixados
pelo modelo com relação à média dos valores de
Y (MQ
reg
) são
comparados com os resíduos do modelo com relação aos dados
experimentais (MQ
ep
). Se a razão MQ
reg
/MQ
ep
é maior que o valor
do ponto da distribuição F referente aos graus de liberdade de
MQ
reg
e MQ
ep
para um determinado nível de confiança, mais
ajustado estará o modelo aos dados experimentais.
A fim de validar os modelos de calibração obtidos foi elaborado um
planejamento experimental constituído de réplicas autênticas de cada
solução padrão, qual foi realizado como descrito a seguir:
Foram adquiridas 3 amostras de Li
2
CO
3
, Na
2
CO
3
e CaCO
3
de marcas
diferentes e quando não possível de lotes diferentes. Para cada amostra
se preparou uma solução estoque de 1000 mg L
-1
como descrito na seção
3.1 e a partir de cada solução estoque se preparou cinco soluções de
trabalho totalizando 15 soluções (3 em cada nível de concentração
proveniente de cada uma das soluções estoque).
De posse dessas soluções, foram realizadas as medidas analíticas
para serem submetidas à análise de variância com vistas à validação dos
42
EXPERIMENTA
L
42
modelos para sua posterior utilização na determinação dos 3 analitos em
amostras reais. A construção das curvas analíticas foi feita a partir da
média das 3 réplicas autênticas.
A escola de Atenas – Rafael Sanzio
CAPÍTULO 4
RESULTADOS E DISCUSSÃO
"O prazer no trabalho aperfeiçoa a obra."
Aristóteles
44
RESULTADOS E DISCUSSÃO
44
4. RESULTADOS E DISCUSSÃO
4.1 Tratamento de imagens e curvas analíticas DIB
A região para aquisição das imagens encontra-se localizada a uma
altura de 2,5 cm acima do queimador. A escolha dessa região foi motivada
pelas razões descritas na Seção 1.3.1. A Figura 4.1 mostra a imagem
digital da emissão do sódio para ilustrar a região usada no tratamento
analítico, a qual é constituída de 25 x 25 pixels. Neste contexto, "pixel” é
o menor ponto que forma uma imagem, sendo que o conjunto de milhares
de pixels forma a imagem inteira (BERNS, 2000).
Figura 4.1. Imagem digital com n x m pixels obtida na determinação de
sódio. x
1
, x
2
, y
1
e y
2
são coordenadas da região delimitada.
A Tabela 4.1 mostra a faixa de valores médios das componentes R,
G e B das imagens adquiridas das soluções padrão dos três analitos e do
branco. Estes valores foram obtidos de acordo com o procedimento
descrito na Seção 3.3.
45
RESULTADOS E DISCUSSÃO
45
Tabela 4.1. Valores R , G e B obtidos das imagens digitais capturadas.
Analito Solução padrão (mg L
-1
)
G
R
B
Li
+
Branco 73 76 95
6,0 95 77 95
12,0 117 75 95
18,0 139 76 97
24,0 161 76 95
30,0 183 78 97
Na
+
Branco 77 77 101
1,8 113 113 101
3,6 148 147 100
5,4 183 183 101
7,2 218 218 101
9,0 252 253 101
Ca
2+
Branco 110 119 97
10,0 137 132 97
20,0 164 144 97
30,0 190 160 97
40,5 217 173 97
50,0 244 186 97
Os valores apresentados na Tabela 4.1 indicam que para o lítio
apenas a componente R está aumentando com a concentração. Para o
sódio e o cálcio a variação envolve as componentes R e G.
4.2 Imagens digitais e o fenômeno de emissão
A Figura 4.2 mostra as imagens digitais associadas à radiação
emitida pelo lítio (a), sódio (b), e cálcio (c) das cinco soluções padrão com
concentrações diferentes. A primeira imagem digital de cada seqüência
resulta da radiação de fundo emitida quando a solução do branco é
aspirada para a chama do fotômetro. Para a determinação de Li
+
e Na
+
, a
46
RESULTADOS E DISCUSSÃO
46
solução do branco era água deionizada, porém para o Ca
2+
o branco era
uma solução de La
3+
1000 mg L
-1
(concentração final de La
3+
nos padrões
e amostras após completar o volume final). Este é o motivo da diferença
entre a cor da imagem digital proveniente da solução do branco de Ca
2+
em relação ao de Li
+
e Na
+
.
Além disso, observa-se que a intensidade da radiação de cada
analito aumenta nitidamente com o aumento de sua concentração nas
soluções de calibração dos três analitos.
Figura 4.2. Imagens digitais da emissão de: (a) lítio, (b) sódio e (c)
cálcio.
Na Figura 4.2 (a), as imagens apresentam a cor primária vermelha
(notavelmente nas imagens 5 e 6). Tal radiação corresponde às raias de
ressonância (dupleto) observadas em torno 671 nm (Figura 4.3 (a)), a
qual é o resultado da transição eletrônica dos dois estados excitados 2p
para o estado fundamental 2s (SKOOG, HOLLER E NIEMAN, 2002).
Nas imagens da Figura 4.2 (b), observa-se a cor secundária amarela
resultante de uma mistura eqüitativa das cores primárias: vermelha e
verde (BERNS, 2005 e GAIÃO et al., 2006). Essa REM amarela está
associada à transição eletrônica dos dois estados excitados 3p para o
fundamental 3s, produzindo as raias de ressonância em 589,6 e 589,0 nm
(dupleto D) no espectro do sódio (Figura 4.3 (b)) (SKOOG, HOLLER E
NIEMAN, 2002).
Com relação às imagens mostradas na Figura 4.2 (c), nota-se que
elas apresentam a cor terciária laranja que é o resultado da mistura do
47
RESULTADOS E DISCUSSÃO
47
vermelho + amarelo, isto é, uma mistura do vermelho + verde com uma
proporção maior de vermelho. Esta cor encontra-se associada à REM
emitida pelas espécies CaOH que são tipicamente produzidas em chamas
a base de hidrocarboneto, a exemplo da chama de GLP-ar. Como
resultado, obtém-se uma banda no espetro de emissão de CaOH, ilustrado
na Figura 4.3(c), cujo máximo se encontra em torno de 554 nm (SKOOG,
HOLLER E NIEMAN, 2002).
Figura 4.3. Espectros de emissão em uma chama butano-ar de: (a) lítio,
(b) sódio e (c) CaOH.
48
RESULTADOS E DISCUSSÃO
48
4.3 Modelo matemático para a calibração analítica
Neste trabalho, propõe-se um novo modelo matemático, baseado no
sistema de cores RGB (Seção 2.6.3) e no conceito de norma de vetores,
para definir a resposta analítica usada na construção das curvas analíticas.
A descrição desse modelo é realizada a seguir.
Um vetor posição v é associado à imagem digital de cada solução
padrão ou amostra. Para realizar o cálculo da norma do vetor v ilustrado
na Figura 4.4, é necessário subtrair dos valores
S
R
,
S
G
e
S
B
(valores
médios do R, G e B das soluções padrão e amostras) os valores
b
R
,
b
G
e
b
B do branco.
Figura 4.4. Espaço vetorial RGB ilustrando a posição do vetor v associado
a uma imagem digital.
A norma " "do vetor v é então calculada como:
v
2
bS
2
bS
2
bS
BGR
−
−
−
++=
(10)
onde
sb
R
−
,
sb
G
−
e
sb
B
−
são os valores líquidos obtidos depois de retirar a
contribuição do branco.
49
RESULTADOS E DISCUSSÃO
49
Considerando que o número de fótons que atingem o fototransdutor
da Webcam é proporcional à intensidade de emissão (I), a equação
seguinte é válida
v = I (11)
1
k
Assumindo que há um mesmo coeficiente de proporcionalidade
associado aos três componentes R, G e B, pois seus valores são
normalizados na escala (0 - 255), a Equação 10 pode ser re-escrita
como:
v
2
bS
2
2
bS
2
2
bS
2
BkGkRk
−
−
−
++=
(12)
Combinando as Equações 11 e 12, a seguinte expressão é obtida:
v
2
bS
2
bS
2
bS
2
BGRk
−
−
−
++=
=
2
k v
= I (13)
1
k
2
k
Considerando uma relação linear entre intensidade de emissão (I) e
concentração de analito (C) dado por:
CkI
3
=
(14)
onde k
3
é coeficiente de proporcionalidade que depende especialmente
das propriedades espectroscópicas do analito e das variáveis de
atomização das amostras.
A combinação das Equações 13 e 14 resulta em:
v = k C (15)
onde k = .
1
k
2
k
3
k
50
RESULTADOS E DISCUSSÃO
50
A Equação 15 descreve, como atestado experimentalmente, uma
relação linear entre a norma do vetor e a concentração do analito nas
soluções de calibração e amostras. A norma do vetor v,
v , é o valor
adotado como resposta analítica empregada para a construção das curvas
analíticas no método DIB-FES.
4.4 Relação entre
v
e valores experimentais de
sb
R
−
,
sb
G
−
e
sb
B
−
A Figura 4.5 (a) revela que os vetores v
1
a v
5
, associados a cada
imagem digital das soluções de calibração do Li
+
, estão localizados na
mesma reta suporte cuja direção coincide com a do eixo
sb
R
−
. Isto
significa que não há diferenças significativas entre os valores
s
G e
b
G e
também
s
B e
b
B , isto é, os valores
sb
G
−
e
sb
B
−
são próximos de zero. No
caso de sódio (Figura 4.5 (b)), os valores
s
R e
s
G apresentam
contribuições similares para a norma dos vetores v
1
a v
5
e,
conseqüentemente, estes vetores estão sobre a linha bissetriz entre os
eixos
sb
R
−
e
sb
G
−
. Na Figura 4.5 (c) é mostrado que os valores
s
R e
s
G ,
associados às imagens digitais das soluções de calibração de Ca
2+
,
também contribuem para a norma do vetor. Todavia, neste caso
apresentam proporções diferentes. Em função disso, a reta suporte onde
os vetores v
1
a v
5
estão localizados apresentam uma direção próxima ao
eixo
sb
R
−
como conseqüência da contribuição maior desta componente.
51
RESULTADOS E DISCUSSÃO
51
Figura 4.5. Norma dos vetores v
1
- v
5
de cada solução de calibração e os
valores
sb
R
−
,
sb
G
−
e
sb
B
−
para cada imagem digital do lítio (a), sódio (b) e
cálcio (c).
4.5 Curvas analíticas e validação dos modelos
A Tabela 4.2 apresenta os parâmetros dos modelos, obtidos por
regressão linear pelo método dos mínimos quadrados, que descrevem as
curvas analíticas mostradas na Figura 4.6. Na Tabela 4.2, também são
apresentados os limites dos intervalos de confiança para os valores
populacionais dos parâmetros dos modelos, os quais foram obtidos
considerando o nível de 95% de confiança. Como os intervalos de
confiança não contêm o “zero”, os parâmetros estimados para todos os
modelos de calibração são estatisticamente significativos.
52
RESULTADOS E DISCUSSÃO
52
Tabela 4.2. Parâmetros de regressão linear e limites dos intervalos de
confiança para os coeficientes dos modelos obtidos pelos métodos DIB-
FES e FES.
Analito
Modelo ŷ =
α
+
β
X
(
)
⋅ padrãoerro
α
±α t
13
(
)
β
⋅
±
β
padrãoerrot
13
DIB-FES FES DIB-FES FES
Li
+
0,07751 ±
0,00786
-0,03276 ±
0,00409
3,66879 ±
0,00024
0,12385 ±
0,00021
Na
+
0,01750 ±
0,00770
-0,09190 ±
0,00477
27,71650
± 0,04597
0,23130 ±
0,00080
Ca
2+
-0,03100 ±
0,00165
-0,06417 ±
0,00786
2,99590 ±
0,05459
0,04754 ±
0,00024
A Figura 4.6 mostra que as curvas analíticas, obtidas por ambos os
métodos, exibem um comportamento linear entre a resposta analítica e a
concentração dos analitos em suas soluções de calibração. Essa inferência,
baseada inicialmente em uma inspeção visual, é confirmada mediante a
análise gráfica dos resíduos deixados pelos modelos e, principalmente,
pela aplicação da ANOVA descrita na Seção 3.5.
O gráfico dos resíduos deixados pelos modelos de calibração é
apresentado na Figura 4.7. Como se pode observar, os resíduos se
distribuem de maneira aleatória, isto é, não exibem nenhuma estrutura
sistemática que evidenciasse uma eventual falta de ajuste. Não obstante,
a análise dos gráficos dos resíduos constitui um critério subjetivo e, por
isso, esse procedimento pode não ser suficiente para concluir que os
modelos não apresentam falta de ajuste. Para isso, recorreu-se à ANOVA
e aplicou-se o teste F para verificar se existe falta de ajuste e avaliar a
significância estatística da regressão (Seção 3.5).
53
RESULTADOS E DISCUSSÃO
53
Figura 4.6. Curvas analíticas DIB-FES (linha tracejada) e FES (linha
pontilhada) para os três analitos determinados.
54
RESULTADOS E DISCUSSÃO
54
Figura 4.7. Resíduos deixados pelos modelos lineares das curvas
analíticas DIB-FES (●) e FES (♦) para os três analitos.
55
RESULTADOS E DISCUSSÃO
55
Os resultados da ANOVA, utilizada para a validação dos modelos de
calibração baseados nos métodos DIB-FES e FES, são apresentados nas
Tabelas 4.3 e 4.4. Os graus de liberdade mostrados na Tabela 4.2 foram
definidos em função de:
Número de parâmetros do polinômio = 2 (polinômio de
primeiro grau, ŷ = α + βX);
Número total de medidas = 15 (3 réplicas autênticas em 5
níveis de concentração dos analitos);
Número de níveis da variável independente X = 5 (níveis
de concentração do analito).
Definidos os graus de liberdade, as médias quadráticas foram
calculadas a partir das somas quadráticas de acordo com as equações na
Tabela 3.2 (Seção 3.5) e os valores obtidos são mostrados na Tabela 4.3.
Tabela 4.3. Somas quadráticas e médias quadráticas calculadas para
ANOVA.
Analit
o
Fonte de
variação
SQ MQ
DIB-FES FES DIB-FES FES
Li
+
Reg. (1) 1,45 x 10
4
16,57 1,45 x 10
4
16,57
Res. (13) 1,10 x 10
-2
4,23 x 10
-5
8,50 x 10
-4
3,26 x 10
-6
F. aj. (3) 3,40 x 10
-3
1,03 x 10
-5
1,16 x 10
-3
3,44 x 10
-6
E. p. (10) 7,58 x 10
-3
3,20 x 10
-5
7,58 x 10
-4
3,20 x 10
-6
Na
+
Reg. (1) 7,47 x 10
4
5,20 7,47 x 10
4
5,20
Res. (13) 5,35 x 10
-3
5,77 x 10
-5
4,12 x 10
-4
4,43 x 10
-6
F. aj. (3) 1,15 x 10
-3
1,30 x 10
-5
3,84 x 10
-4
4,34 x 10
-6
E. p. (10) 4,20 x 10
-3
4,47 x 10
-5
4,20 x 10
-4
4,47 x 10
-6
Ca
2+
Reg. (1) 2,69 x 10
4
6,78 2,69 x 10
4
6,78
Res. (13) 7,55 x 10
-3
1,56 x 10
-4
5,81 x 10
-4
1,20 x 10
-5
F. aj. (3) 2,42 x 10
-3
4,70 x 10
-5
8,06 x 10
-4
1,57 x 10
-5
E. p. (10) 5,13 x 10
-3
1,09 x 10
-4
5,13 x 10
-4
1,09 x 10
-5
Reg.: Regressão, Res.: Resíduos, F. aj.: Falta de ajuste, E. p.: Erro puro
Os valores entre parênteses indicam o número de graus de liberdade.
56
RESULTADOS E DISCUSSÃO
56
Após o cálculo das médias quadráticas, estes valores foram
utilizados nos testes de falta de ajuste e significância de regressão, cujos
resultados encontram-se na Tabela 4.4. Para todos os casos, os valores de
MQ
faj
/MQ
ep
são menores que o ponto da distribuição F, ao nível de 95%
confiança, considerando os mesmos graus de liberdade. Dessa forma, não
há evidência de falta de ajuste para um modelo linear. Além disso, a
Tabela 4.4 revela que as regressões lineares são altamente significativas.
De fato, os valores de MQ
reg
/MQ
r
são muito maiores que o ponto da
distribuição F, considerando-se os mesmos graus de liberdade e o nível de
95% de confiança (BARROS NETO, SCARMÍNIO e BRUNS, 2007 e DRAPER
e SMITH, 1998).
Tabela 4.4. ANOVA para o modelo linear (ŷ = α + βX) das curvas
analíticas.
Analito Lítio Sódio Cálcio
ep
faj
MQ
MQ
DIB-FES 1,52 0,91 1,57
FES 1,07 0,97 1,44
r
reg
MQ
MQ
DIB-FES 1,70 x 10
7
1,81 x 10
8
4,64 x 10
7
FES 5,09 x 10
6
1,17 x 10
6
5,64 x 10
5
GL
Falta de ajuste
3 e 10 respectivamente
Significância de regressão
1 e 13 respectivamente
F
ν1,ν2
(95%)
Falta de ajuste
3,71
Significância de regressão
4,67
Uma vez que os modelos lineares não apresentam evidência
estatística de falta de ajuste e resultam de regressões altamente
significativas, as curvas analíticas correspondentes podem ser usadas para
fins de quantificação.
4.6 Figuras de mérito e desempenho do método proposto
Para avaliar o desempenho do método DIB-FES, realizou-se uma
comparação com o método FES com base nas seguintes figuras de mérito:
LOD, LOQ e sensibilidade de calibração. Essas características de
57
RESULTADOS E DISCUSSÃO
57
desempenho foram adotadas e calculadas de acordo com os conceitos e
recomendações da IUPAC. Entretanto, o desvio padrão do branco (s
b
) para
o método DIB-FES foi estimado, aplicando-se outro procedimento que é
proposto neste trabalho. Isto porque, neste caso, a resposta analítica no
método DIB-FES está associada à norma de um vetor baseada em três
variáveis (componentes R, G e B) resultantes das imagens digitais. Essa
nova estratégia para o cálculo de s
b
é descrita a seguir.
De acordo com a Equação 10, a norma do vetor v,
b
v , associado
à imagem digital do branco é dada por:
b
v
2
b
2
b
2
b
BGR ++=
(16)
onde
b
R ,
b
G e
b
B são os valores médios de todos os pixels da região
delimitada na Figura 4.1 nas imagens digitais do branco.
Uma vez que
b
v é baseada em três variáveis experimentais, o
desvio padrão (s
b
) associado deve ser estimado aplicando as equações de
propagação de erro, como descrito em SKOOG, HOLLER E NIEMAN, 2002.
Assumindo que
321
YYYY ++=
, onde
2
1
RY =
,
2
2
GY =
e
2
3
BY =
,
os desvios padrão (s
Y
) são calculados como:
R
R
2
R
1
1
Y
sR2
R
s
R2
R
s
Y2s =⋅=⋅= (17)
Analogamente, pode-se escrever:
G
2
Y
sG2s = (18)
B
3
Y
sB2s = (19)
58
RESULTADOS E DISCUSSÃO
58
Considerando que
3214
YYYY
+
+
=
, a estimativa do desvio padrão
com relação à operação de soma é dada por:
(
)
(
) ()
2
B
2
G
2
R
4
Y
2
3
Y
2
2
Y
2
1
Y
4
Y
sB2sG2sR2sssss ++=⇒++= (20)
Fazendo
4
YY = e repetindo o procedimento com relação à
potenciação (
()
2
1
4
YY = ) a estimativa do desvio padrão é calculada como:
(
)
(
) ()
222
2
B
2
G
2
R
4
4
4
Y
Y
BGR
sB2sG2sR2
2
1
Y
Y
s
2
1
Ys
++
++
⋅⋅=⋅⋅=
(
)
(
) ()
222
2
B
2
G
2
R
222
4
4
Y
Y
BGR
sB2sG2sR2
2
1
BGR
Y
s
2
1
Ys
+
+
++
⋅⋅++=⋅⋅=
()
(
)
(
)
222
2
B
2
G
2
R
bY
BGR
sBsGsR
ss
++
++
==
(21)
onde
R
s
,
G
s
e
B
s
são os desvios padrão associados aos valores médios
b
R ,
b
G
e
b
B
resultantes da imagem digital RGB do branco, respectivamente.
Finalmente, o LOD e o LOQ são calculados usando o valor de
b
s
estimado pela Equação 29 e as seguintes expressões:
b
3s
LOD
⋅
=
β
(22)
59
RESULTADOS E DISCUSSÃO
59
b
10 s
LOQ
⋅
=
β
(23)
onde “β” é a inclinação da curva analítica baseada na Equação 15 e
estimada por regressão linear pelo método dos mínimos quadrados.
Neste trabalho, o valor de s
b
foi estimado com base em 20 imagens
digitais do branco para cada analito, usando a Equação 21. Para isso, os
valores de
R
s ,
G
s e
B
s foram obtidos a partir das imagens digitais do
branco e usados no cálculo de s
b
. Dessa forma, os valores de LOD e LOQ
foram estimados para os métodos DIB-FES e FES utilizando,
respectivamente, as Equações 22 e 23. Os resultados são apresentados
na Tabela 4.5, na qual se observa que o método proposto apresentou um
desempenho significativamente melhor, ou seja, menores valores de LOD
e LOQ.
Tabela 4.5. LOD e LOQ para os métodos DIB-FES e FES.
Analito
Valores de figuras de mérito (x 10
-1
)
LOD (mg L
-1
) LOQ (mg L
-1
)
DIB-FES FES DIB-FES FES
Li
+
0,9 2,8 3,1 9,3
Na
+
0,4 0,8 1,5 3,0
Ca
2+
1,0 2,6 3,2 8,5
Em relação sensibilidade, observa-se na Tabela 4.2 e na Figura 4.6
que o método DIB-FES apresenta uma sensibilidade de calibração
(definida pelo valor de β) maior que o método FES para os três analitos.
Essa característica vantajosa pode ser atribuída à natureza da detecção
trivariada (sistema de cores RGB) inerente à Webcam, proporcionando
respostas analíticas com sensibilidade maior.
60
RESULTADOS E DISCUSSÃO
60
4.7 Determinações analíticas
Uma vez validados os modelos de calibração, as curvas analíticas
DIB-FES e FES foram usadas para a determinação de Li
+
em comprimidos
antidepressivos, Na
+
em soro fisiológico e Ca
2+
em águas. A Tabela 4.6
mostra os resultados em termos de, respectivamente, carbonato de lítio,
cloreto de sódio e óxido de cálcio livre. Pode-se a similaridade entre os
resultados obtidos por ambos os métodos. De fato, nenhuma diferença
estatisticamente significativa foi verificada entre os resultados aplicando o
teste t emparelhado ao nível de 95% de confiança.
A Tabela 4.6 mostra também que o método DIB-FES apresenta
precisão melhor que o método FES, como revelado pelos menores valores
de RSD conjunto (n = 5). Essa precisão satisfatória também pode ser
atribuída à natureza multivariada do sinal monitorado em determinações
analítica baseadas em imagens digitais RGB.
61
RESULTADOS E DISCUSSÃO
61
Tabela 4.6. Resultados da determinação de Li
+
, Na
+
e Ca
2+
por ambos os
métodos.
Amostras
Método analítico
DIB-FES FES
Antidepressivo Li
2
CO
3
(mg)
(1) 299,8 ± 0,6 299,5 ± 1,1
(2) 300,0 ± 0,4 300,0 ± 1,4
(3) 299,0 ± 0,5 299,1 ± 1,3
(4) 299,2 ± 0,6 299,8 ± 1,2
(5) 299,5 ± 0,4 298,9 ± 1,5
(6) 299,4 ± 0,3 299,6 ± 1,6
Desvio padrão conjunto 0,5 1,4
Soro fisiológico NaCl (% m/v)
(1) 0,88 ± 0,04 0,89 ± 0,07
(2) 0,89 ± 0,02 0,88 ± 0,06
(3) 0,89 ± 0,02 0,90 ± 0,05
(4) 0,89 ± 0,03 0,89 ± 0,06
(5) 0,88 ± 0,05 0,89 ± 0,07
(6) 0,90 ± 0,01 0,89 ± 0,06
Desvio padrão conjunto 0,02 0,06
Água CaO livre (g L
-1
)
(1) 25,0 ± 0,2 24,9 ± 1,5
(2) 25,2 ± 0,2 25,2 ± 1,7
(3) 24,7 ± 0,1 24,9 ± 1,6
(4) 24,8 ± 0,2 24,5 ± 1,0
(5) 25,0 ± 0,3 25,1 ± 1,2
(6) 24,8 ± 0,2 24,7 ± 1,6
Desvio padrão conjunto 0,2 1,4
Primeira bailarina – Edgar Degas
CAPÍTULO 5
CONCLUSÃO
"Vencer a si próprio é a maior das vitórias."
Platão
63
CONCLUSÃO
63
5. CONCLUSÃO
Neste trabalho, demonstrou-se a viabilidade da exploração de
imagens digitais, obtidas com uma Webcam, como uma nova técnica de
detecção para análises químicas quantitativas por FES. Sendo assim, o
uso de imagens digitais, proposto neste trabalho para fins de
quantificação, introduz um conceito novo em FES.
Os valores atribuídos à cor das imagens digitais RGB, aos quais
estão associadas às radiações emitidas pelos analitos, guardam uma
relação linear com sua concentração. Diante dessa constatação, propôs-se
um modelo matemático linear com base no sistema de cores RGB e no
conceito de norma de vetor para construção de curvas analíticas DIB-FES.
Vale ressaltar que a escolha da região apropriada para o tratamento
das imagens digitais é fundamental para a aplicação satisfatória da
metodologia proposta. Assim, a região oxidante da chama mostrou-se a
mais adequada para medidas analíticas, tal como ocorre na fotometria de
emissão em chama convencional.
O método proposto foi aplicado com sucesso à determinação de Li
+
,
Na
+
e Ca
2+
em amostras de, respectivamente, comprimidos
antidepressivos, soro fisiológico e águas. Em todas as aplicações, o
método DIB-FES proporcionou sensibilidade de calibração, limites de
detecção e quantificação e precisão melhores que o método FES.
Usando uma Webcam como detector de radiação na região do
visível, a estratégia proposta oferece uma alternativa economicamente
viável frente à espectrometria de emissão em chama convencional. Além
disso, esse dispositivo dispensa o uso de seletores de radiação, o que
possibilita reduzir ainda mais o custo de manutenção da instrumentação
para os métodos de emissão em chama.
Por outro lado, a ausência de seletor de radiação torna a resposta
analítica da Webcam sujeita a interferências matriciais e/ou espectrais,
especialmente em determinações envolvendo matrizes complexas. Esses
inconvenientes podem ser contornados, empregando-se métodos de
calibração multivariada disponibilizado na Quimiometria (BEEBE, PELL e
64
CONCLUSÃO
64
SEASHOLTZ, 1998 e HAIR JR et al., 2005). Nesse contexto, pode-se
recorrer, por exemplo, ao uso do GSAM (SAXBERG e KOWASLKI, 1979 e
SILVA et al., 1999) para corrigir os eventuais problemas de interferências
mencionados.
5.1 Propostas futuras
Além das vantagens enfatizadas, o uso de uma Webcam como
detector possibilita a obtenção de sinais analíticos com maior sensibilidade
e, sobretudo, a captura de sinais (ou seja, imagens digitais) no espaço
bidimensional. No entanto, essa característica relacionada à resolução
espacial da Webcam não foi explorada, sendo então proposta para
trabalhos futuros.
Outra proposta de continuidade consiste na possibilidade de
desenvolver fotômetros de emissão em chama com mais de uma fonte de
excitação miniaturizada. Desse modo, torna-se possível monitorar
simultaneamente radiações emitidas por mais de um analito e/ou
amostra, provenientes de mais de uma fonte de excitação.
Por fim, outra possibilidade de trabalho futuro consiste em propor a
implementação de métodos DIB-FES para análises multicomponentes e/ou
simultâneas baseadas na associação da calibração multivariada e método
de adição de padrão, a exemplo do GSAM.
A leitora - Jean Honoré Fragonard
CAPÍTULO 6
REFERÊNCIAS
"A leitura é uma fonte inesgotável de prazer,
mas por incrível que pareça,
a quase totalidade, não sente esta sede. "
Carlos Drummond de Andrade
66
REFER
Ê
NCIAS
66
5. REFERÊNCIAS
AMARAL, A. L.; FERREIRA, E. C., Activated sludge monitoring of a
wastewater treatment plant using image analysis and partial least squares
regression, Analytica Chimica Acta, 544: 246, 2005
ANTONELLI, A. et al, Automated evaluation of food colour by means of
multivariate image analysis coupled to a wavelet-based classification
algorithm, Analytica Chimica Acta, 515: 3, 2004
ASSAD, E. D. et al, Identificação de impurezas e misturas de pó de café
por meio de comportamento espectral e análise de imagens digitais,
Pesquisa Agropecuária Brasileira, 37: 211, 2002
BARROS NETO, B. B., SCARMINIO, I. S. e BRUNS, R. E. Como fazer
experimentos. 3ª Ed. Campinas: Editora Unicamp, 2007.
BEEBE, K. R., PELL, R. J., SEASHOLTZ, M. B. Chemometrics - a
practical guide. New York: Wiley, 1998.
BERNS, R.S. Principles of colour technology. 3
rd
Ed., New York: Wiley,
2000.
BRISCOE, A.D. e CHITTKA, L., The evolution of color vision in insects,
Annual Review of Entomology, 46: 471, 2001
BUREL, L. et al., Molecular and atomic ultra trace analysis by laser
induced fluorescence with OPO system and ICCD camera, Talanta, 60:
295, 2003
DRAPER, N. R. e SMITH, H. Applied regression Analysis. 3
rd
Ed.,New
York: John Wiley & Sons Inc. , 1998.
FILIPPINI, D.; LUNDSTRÖM, I., Spectroscopic information retained in
screen photo-assisted techniques, Analytica Chimica Acta, 521: 237,
2004
FRASER, B.; MURPHY, C.; BUNTING, F. Real world color management.
2
nd
Edition. United States of America: Peachpit Press, 2005.
FUCHS, F. D. e WANNMACHER, L. Farmacologia clínica: fundamentos
da terapia racional. 2ª Ed. Rio de Janeiro: Gunabara Koogan, 1998.
FUKUI, S. et al, Two-dimensional analysis of fluctuation in an inductively
coupled plasma by a spectrovideo camera, Microchemical Journal, 68:
225, 2001
67
REFER
Ê
NCIAS
67
GAIÃO, E. N. et al., Digital image-based titrations, Analytica Chimica Acta,
570: 283, 2006
GELADI, P.; GRAHN, H. Multivariate image analysis. 2
nd
Ed. New York:
Wiley, 1996.
GINORIS, Y. P. et al, Recognition of protozoa and metazoan using image
analysis tools, discriminant analysis, neural networks and decision trees,
Analytica Chimica Acta, 595: 160, 2007
GRANDIS, L. D. Theory and use of color. Translated by John Gilbert.
New York: Harry N. Abrams Inc., 1986.
HAIR JR, J. F. et al. Análise multivariada de dados. 5ª Ed. Porto
Alegre: Bookman, 2005.
HENDRICH,N. CMOS technology demosntration. Disponível em: <
http://tams-www.informatik.uni-
hamburg.de/applets/cmos/cmosdemo.html > Acessado em 8 de
novembro de 2008.
HIEFTJE, G. M. Atomic emission spectroscopy – it last and last and last.,
Journal of Chemical Education, 77:577, 2000
IUPAC Nomenclature, Symbols, units and their usage in spectrochemical
analysis-II. Data interpretation. Pure and Applied Chemistry, 45: 99,
1976
IUPAC Nomenclature, symbols, units and their usage in spectrochemical
analysis- III. Analytical Flame Spectroscopy and Associated Non-Flame
Procedures. Pure and Applied Chemistry, 45: 105, 1976
JARREL, R. F. A brief history of atomic spectrochemical analysis, 1666-
1950., Journal of Chemical Education, 77:573, 2000
KOHL, S. K.; LANDMARK, J. D.; STICKLE, D., Demonstration of
absorbance using digital color image and colored solutions, Journal of
Chemical Education, 83: 644, 2006
LAMPEN, P. et al, Spectroscopic and photometric evaluation of images
from the Mars pathfinder camera, Analytica Chimica Acta, 420: 229,
2000
LEÃO, A. C. Gerenciamento de cores para imagens digitais. Belo
Horizonte, Programa de Pós-Graduação em Artes Visuais, UFMG, 2005.
Dissertação de mestrado, 135p
68
REFER
Ê
NCIAS
68
LLANO, E. G. et al, Improvement deoxiribo nucleic acid classification in
polyacrilamide gel images using photometric normalization algorithms,
Analytica Chimica Acta, 595: 145, 2007
LUO, L.; ZHANG, Z.; LIFENG, M., Determination of recombinant human
tumor necrosis factor-α in serum by chemiluminescence imaging,
Analytica Chimica Acta, 539: 277, 2005
MALEKI, N.; SAVAFI, A.; SEDAGHATPOUR, F., Single-step calibration,
prediction and real samples data acquisition for artificial neural network
using a CCD camera, Talanta, 64: 830, 2004
MIZUGUCHI, H. et al, Highly sensitive colour change system within slight
differences in metal ion concentrations based on homo-binuclear complex
formation equilibrium for visual threshold detection of trace metal ions,
Analytica Chimica Acta, 527: 131, 2004
MONEMI, N. et al, CCD-camera based capillary chemiluminescent
detection of retinol binding protein, Analytica Chimica Acta, 387: 21,
1999
OKAMURA, F.; CAVALHEIRO, E. T. G.; NÓBREGA, J. A., Experimentos
simples usando fotometria de chama para ensino de princípios de
espectrometria atômica em cursos de química analítica, Química Nova,
27: 832, 2004
OHLWEILER, O. A. Fundamentos de análise instrumental. Rio de
Janeiro: LTC, 1981.
PACIORNIK, S. et al, Scanner image analysis in the quantification of
mercury using spot-tests, Journal of Brazilian Chemical Society, 17: 156,
2006
PEREIRA, F. M. V.; BUENO, M. I. M. S., Image evaluation with
chemometric strategies for quality control of paints, Analytica Chimica
Acta, 588: 184, 2007
PIMENTEL, M. F. e BARROS NETO, B. B., Calibração: uma revisão para
químicos analíticos, Química Nova, 19: 268, 1996
RETONDO, C. G. e FARIA, P. Química das Sensações. Campinas: Editora
Átomo, 2006.
SAXBERG, B. E. H e KOWALSKI, B. R., Generalized Standard Addition
Method, Analytical Chemistry, 51: 1031, 1979
SAVAFI, A. et al., CCD camera full range pH sensor array, Talanta, 71:
498, 2007
69
REFER
Ê
NCIAS
69
SILVA et al., Implementation of a Generalized Standard Addition Method in a
Flow Injection System Using Merging-Zones and Gradient Exploitation, Analytical
Sciences, 15: 1325, 1999
SILVA JUNIOR, C. e SASSON, S. Biologia. Volume único. 4ª Ed. São
Paulo: Saraiva, 2007.
SKOOG, D. A.; HOLLER, F. J.; NIEMAN T. A. Princípios de análise
Instrumental. 5ª Ed. Porto Alegre: Bookman, 2002.
SOUZA, L. A. C.; SPEHAR, C. R.; SANTOS, R. L. B., Análise de imagem
para determinação do teor de saponina em quinoa, Pesquisa Agropecuária
Brasileira, 39: 397, 2004
SOUZA, U. L. e PEREIRA, T. R. Fotodiodos e fototransistores. Disponível
em: < www.etb.com.br/professor/materialdeapoio/transistor.pdf >
Acessado em 8 de novembro de 2008.
STRÖMBERG, N; HULTH, S., Assessing an imaging ammonium sensor
using time correlated pixel-by-pixel calibration, Analytica Chimica Acta,
550: 61, 2005
TASI – Technical Advisory Service for Images. An Overview of Color
Management. Disponível em:
<http://www.tasi.ac.uk/advice/managing/pdf/colour_manage.pdf>.
Acessado em: 20 de outubro de 2007.
The United States Pharmacopoeia, The National Formulary, USD XXXII
TORRES, G. Formatos de arquivos gráficos. Disponível em : <
http://www.clubedohardware.com.br/artigos/952
>. Acessado em 9 de
novembro de 2008.
YAMANAKA, K. et al, In-situ monitoring of degradation of C/C composites
and coatings in an inductively coupled plasma by a spectroCCD camera,
Microchemical Journal, 70: 165, 2001
A criação dos céus - Michelangelo
CAPÍTULO 7
ANEXOS
“O futuro não pode ser previsto, mas pode ser inventado.
É a nossa habilidade de inventar o futuro que nos
dá esperança para fazer de nós o que somos.”
Dennis Gabor
ANEXOS
71
7. ANEXOS
7.1 Código fonte do programa Captura de Imagens da Webcam
unit main;
interface
uses
Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls,
Forms,
Dialogs, DSUtil, StdCtrls, DSPack, DirectShow9, Menus, ExtCtrls,
ExtDlgs, JPEG;
type
TVideoForm = class(TForm)
FilterGraph: TFilterGraph;
VideoWindow: TVideoWindow;
MainMenu1: TMainMenu;
Devices: TMenuItem;
Filter: TFilter;
Image: TImage;
SampleGrabber: TSampleGrabber;
InicCapBnt: TButton;
CallBack: TCheckBox;
ParaCapBnt: TButton;
SavePictureDialog1: TSavePictureDialog;
FechaBnt: TButton;
procedure FormCreate(Sender: TObject);
procedure FormCloseQuery(Sender: TObject; var CanClose:
Boolean);
procedure InicCapBntClick(Sender: TObject);
ANEXOS
72
procedure SampleGrabberBuffer(sender: TObject; SampleTime:
Double;
pBuffer: Pointer; BufferLen: Integer);
procedure ParaCapBntClick(Sender: TObject);
procedure FechaBntClick(Sender: TObject);
private
{ Déclarations privées }
public
{ Déclarations publiques }
procedure OnSelectDevice(sender: TObject);
end;
var
VideoForm: TVideoForm;
SysDev: TSysDevEnum;
PathInic: String;
Captura: Boolean;
implementation
{$R *.dfm}
procedure TVideoForm.FormCreate(Sender: TObject);
var
i: integer;
Device: TMenuItem;
begin
GetDir(0, PathInic);
SysDev:= TSysDevEnum.Create(CLSID_VideoInputDeviceCategory);
if SysDev.CountFilters > 0 then
for i := 0 to SysDev.CountFilters - 1 do
begin
ANEXOS
73
Device := TMenuItem.Create(Devices);
Device.Caption := SysDev.Filters[i].FriendlyName;
Device.Tag := i;
Device.OnClick := OnSelectDevice;
Devices.Add(Device);
end;
end;
procedure TVideoForm.OnSelectDevice(sender: TObject);
begin
FilterGraph.ClearGraph;
FilterGraph.Active := false;
Filter.BaseFilter.Moniker :=
SysDev.GetMoniker(TMenuItem(Sender).tag);
FilterGraph.Active := true;
with FilterGraph as ICaptureGraphBuilder2 do
RenderStream(@PIN_CATEGORY_PREVIEW, nil, Filter as IBaseFilter,
SampleGrabber as IBaseFilter, VideoWindow as IbaseFilter);
FilterGraph.Play;
end;
procedure TVideoForm.FormCloseQuery(Sender: TObject; var
CanClose: Boolean);
begin
CallBack.Checked := False;
SysDev.Free;
FilterGraph.ClearGraph;
FilterGraph.Active := false;
end;
procedure TVideoForm.InicCapBntClick(Sender: TObject);
Var
ANEXOS
74
MyJPEG : TJPEGImage;
NomeArq, NomeArqTemp: String;
i: Integer;
begin
i := 1;
Captura := True;
InicCapBnt.Enabled := False;
ParaCapBnt.Enabled := True;
SavePictureDialog1.InitialDir := PathInic;
SavePictureDialog1.DefaultExt := 'bmp';
SavePictureDialog1.Filter := 'Arquivos Bitmaps
(*.bmp)|*.bmp|Arquivos JPEG (*.jpg)|*.jpg';
if SavePictureDialog1.Execute then begin
NomeArq := SavePictureDialog1.FileName;
NomeArqTemp := NomeArq;
while (Captura = True) do begin
Insert('-'+IntToStr(i), NomeArq, length(NomeArq)-3);
// Captura imagem e coloca na componente Image
SampleGrabber.GetBitmap(Image.Picture.Bitmap);
// se a extensão for .jpeg, salva no formato JPEG, senão salva em
BMP
if UpperCase(ExtractFileExt(NomeArq)) = '.JPG' then begin
MyJPEG := TJPEGImage.Create;
// Converte o BMP para JPEG
with MyJPEG do begin
Assign(Image.Picture.BitMap);
SaveToFile(NomeArq);
Free;
end;
end
else begin
Image.Picture.SaveToFile(NomeArq);
ANEXOS
75
end;
NomeArq := NomeArqTemp; // Para nao acumular nomes
i := i + 1;
Application.ProcessMessages;
end;
Image.Picture := nil;
GetDir(0, PathInic);
end;
end;
procedure TVideoForm.SampleGrabberBuffer(sender: TObject;
SampleTime: Double; pBuffer: Pointer; BufferLen: Integer);
begin
if CallBack.Checked then
begin
Image.Canvas.Lock;
try
SampleGrabber.GetBitmap(Image.Picture.Bitmap, pBuffer,
BufferLen);
finally
Image.Canvas.Unlock;
end;
end;
end;
procedure TVideoForm.ParaCapBntClick(Sender: TObject);
begin
Captura := False;
InicCapBnt.Enabled := True;
ParaCapBnt.Enabled := False;
end;
ANEXOS
76
procedure TVideoForm.FechaBntClick(Sender: TObject);
begin
Close;
end;
end.
7.2 Código fonte do programa Cor Emissão
unit CorEmissao;
interface
uses
Windows, Messages, SysUtils, Variants, Classes, Graphics, Controls,
Forms,
Dialogs, StdCtrls, ExtCtrls, Buttons, JPEG, ExtDlgs;
type
TFormDetCor = class(TForm)
DefCoordBtn: TButton;
RGBBrancoBtn: TButton;
GroupBox2: TGroupBox;
Label1: TLabel;
Label3: TLabel;
xMinLabel: TLabel;
yMinLabel: TLabel;
GroupBox3: TGroupBox;
Label9: TLabel;
Label11: TLabel;
Label13: TLabel;
ANEXOS
77
RLabel: TLabel;
GLabel: TLabel;
BLabel: TLabel;
Label19: TLabel;
xMaxLabel: TLabel;
Label21: TLabel;
yMaxLabel: TLabel;
RGBPadAmBtn: TButton;
LimpMemosBtn: TButton;
FecharBtn: TButton;
OpenPictureDialog1: TOpenPictureDialog;
Panel1: TPanel;
WebcamImg: TImage;
Panel2: TPanel;
nPontosMemo: TMemo;
CorMemo: TMemo;
RMemo: TMemo;
GMemo: TMemo;
BMemo: TMemo;
NormaMemo: TMemo;
Label7: TLabel;
Label2: TLabel;
Label15: TLabel;
Label16: TLabel;
Label17: TLabel;
Label18: TLabel;
procedure LerCorPixels(var CorMed: Integer);
procedure LerRGBPixels(var RMed, GMed, BMed: byte);
procedure DefCoordBtnClick(Sender: TObject);
procedure RGBBrancoBtnClick(Sender: TObject);
procedure FormCreate(Sender: TObject);
ANEXOS
78
procedure WebcamImgMouseDown(Sender: TObject; Button:
TMouseButton;
Shift: TShiftState; X, Y: Integer);
procedure WebcamImgMouseMove(Sender: TObject; Shift:
TShiftState; X,
Y: Integer);
procedure WebcamImgMouseUp(Sender: TObject; Button:
TMouseButton;
Shift: TShiftState; X, Y: Integer);
procedure RGBPadAmBtnClick(Sender: TObject);
procedure LimpMemosBtnClick(Sender: TObject);
procedure FecharBtnClick(Sender: TObject);
private
{ Private declarations }
public
{ Public declarations }
end;
var
FormDetCor: TFormDetCor;
JPEGImage: TJPEGImage;
BMPImage: TBitmap;
MouseMoviment: boolean;
Xinic, Yinic: integer;
xMin, xMax, yMin, yMax: integer;
nImagem, NPontos, npMatrizCor, npMatrizRGB: integer;
NomeImagem: array[0..99] of string;
R_Med_Branco, G_Med_Branco, B_Med_Branco: integer;
R_Med_Pad_Am, G_Med_Pad_Am, B_Med_Pad_Am: integer;
Arq, PathInic: string;
implementation
ANEXOS
79
{$R *.dfm}
procedure ColorToRGB(const Color: Integer; var R, G, B: Byte);
begin
R := Color and $FF;
G := (Color and $FF00) shr 8;
B := (Color and $FF0000) shr 16;
end;
procedure TFormDetCor.LerCorPixels(var CorMed: Integer);
var
SomaCor: Int64;
i, j: integer;
begin
// Ler cor de cada pixel da imagem
npMatrizCor := 0;
SomaCor := 0;
for i:=xMin to xMax do begin
for j:=yMin to yMax do begin
SomaCor := SomaCor + WebcamImg.Canvas.Pixels[i,j];
npMatrizCor := npMatrizCor + 1;
end;
end;
CorMed := SomaCor div npMatrizCor;
end;
procedure TFormDetCor.LerRGBPixels(var RMed, GMed, BMed: byte);
var
SomaR, SomaG, SomaB: Integer;
R, G, B: byte;
i, j: integer;
ANEXOS
80
begin
// Ler valores R, G e B apartir da matriz Cor
npMatrizRGB := 0;
SomaR := 0;
SomaG := 0;
SomaB := 0;
// Ler valores R, G e B da imagem coluna por coluna
for i:=xMin to xMax do begin
for j:=yMin to yMax do begin
// SomaR := SomaR + GetRValue(WebcamImg.Canvas.Pixels[i,j]);
// SomaG := SomaG + GetGValue(WebcamImg.Canvas.Pixels[i,j]);
// SomaB := SomaB + GetBValue(WebcamImg.Canvas.Pixels[i,j]);
ColorToRGB(WebcamImg.Canvas.Pixels[i,j], R, G, B);
SomaR := SomaR + R;
SomaG := SomaG + G;
SomaB := SomaB + B;
npMatrizRGB := npMatrizRGB + 1;
end;
end;
RMed := SomaR div npMatrizRGB;
GMed := SomaG div npMatrizRGB;
BMed := SomaB div npMatrizRGB;
end;
procedure TFormDetCor.DefCoordBtnClick(Sender: TObject);
begin
OpenPictureDialog1.InitialDir := PathInic;
OpenPictureDialog1.DefaultExt := 'bmp';
OpenPictureDialog1.Filter := 'Arquivos Bitmaps
(*.bmp)|*.bmp|Arquivos JPEG (*.jpg)|*.jpg';
if OpenPictureDialog1.Execute then begin
BMPImage := TBitmap.Create;
ANEXOS
81
// se a extensão for .jpeg, abre no formato JPEG, senão abre em
BMP
if UpperCase(ExtractFileExt(OpenPictureDialog1.FileName)) = '.JPG'
then begin
JPEGImage := TJPEGImage.Create;
// Converte o BMP para JPEG
JPEGImage.LoadFromFile(OpenPictureDialog1.FileName);
BMPImage.Assign(JPEGImage); // Converte arquivo JPG para
BMP
WebcamImg.Picture.Bitmap := BMPImage;
JPEGImage.Free;
end
else begin
BMPImage.LoadFromFile(OpenPictureDialog1.FileName);
WebcamImg.Picture.Bitmap := BMPImage;
end;
GetDir(0, PathInic);
end;
end;
procedure TFormDetCor.FormCreate(Sender: TObject);
begin
MouseMoviment := False;
GetDir(0, PathInic);
NPontos := 0;
end;
procedure TFormDetCor.WebcamImgMouseDown(Sender: TObject;
Button: TMouseButton; Shift: TShiftState; X, Y: Integer);
begin
MouseMoviment := True;
Xinic := X;
ANEXOS
82
Yinic := Y;
end;
procedure TFormDetCor.WebcamImgMouseMove(Sender: TObject;
Shift: TShiftState;
X, Y: Integer);
begin
if MouseMoviment then begin
WebcamImg.Repaint;
WebcamImg.Picture.Bitmap := BMPImage;
WebcamImg.Canvas.Rectangle(Xinic, Yinic, X, Y);
end;
end;
procedure TFormDetCor.WebcamImgMouseUp(Sender: TObject;
Button: TMouseButton;
Shift: TShiftState; X, Y: Integer);
var
xTemp, yTemp: integer;
R, G, B: byte;
begin
xTemp := X;
yTemp := Y;
MouseMoviment := False;
// procurando o menor e maior valor de X
if xTemp < Xinic then begin
xMin := xTemp;
xMax := Xinic;
end
else begin
xMin := Xinic;
xMax := xTemp;
ANEXOS
83
end;
// procurando o menor e maior valor de Y
if yTemp < Yinic then begin
yMin := yTemp;
yMax := Yinic;
end
else begin
yMin := Yinic;
yMax := yTemp;
end;
WebcamImg.Repaint;
WebcamImg.Picture.Bitmap := BMPImage;
BMPImage.Free;
if (xMin = xMax) and (yMin = yMax) then begin
ColorToRGB(WebcamImg.Canvas.Pixels[xMin,yMin], R, G, B);
// R := GetRValue(WebcamImg.Canvas.Pixels[xMin,yMin]);
// G := GetGValue(WebcamImg.Canvas.Pixels[xMin,yMin]);
// B := GetBValue(WebcamImg.Canvas.Pixels[xMin,yMin]);
end
else begin
LerRGBPixels(R, G, B); // Devolve R, G e B medios e
// Armazena matriz R, G e B
end;
xMinLabel.Caption := IntToStr(xMin);
xMaxLabel.Caption := IntToStr(xMax);
yMinLabel.Caption := IntToStr(yMin);
yMaxLabel.Caption := IntToStr(yMax);
RLabel.Caption := IntToStr(R);
GLabel.Caption := IntToStr(G);
BLabel.Caption := IntToStr(B);
end;
ANEXOS
84
procedure TFormDetCor.RGBBrancoBtnClick(Sender: TObject);
var
SomaR, SomaG, SomaB: Integer;
SomaCor: Int64;
R, G, B: byte;
i, Cor, CorMed: integer;
Norma: double;
begin
nImagem := 0;
SomaCor := 0;
SomaR := 0;
SomaG := 0;
SomaB := 0;
OpenPictureDialog1.InitialDir := PathInic;
OpenPictureDialog1.DefaultExt := 'bmp';
OpenPictureDialog1.Filter := 'Arquivos Bitmaps
(*.bmp)|*.bmp|Arquivos JPEG (*.jpg)|*.jpg';
OpenPictureDialog1.Options := [ofAllowMultiSelect];
if OpenPictureDialog1.Execute then begin
if MouseMoviment=False then begin
for i := 0 to OpenPictureDialog1.Files.Count-1 do begin
BMPImage := TBitmap.Create;
// se a extensão for .jpeg, abre no formato JPEG, senão abre em
BMP
if UpperCase(ExtractFileExt(OpenPictureDialog1.FileName)) =
'.JPG' then begin
JPEGImage := TJPEGImage.Create;
// Converte o BMP para JPEG
JPEGImage.LoadFromFile(OpenPictureDialog1.FileName);
BMPImage.Assign(JPEGImage); // Converte arquivo JPG para
BMP
ANEXOS
85
WebcamImg.Picture.Bitmap := BMPImage;
JPEGImage.Free;
end
else begin
BMPImage.LoadFromFile(OpenPictureDialog1.FileName);
WebcamImg.Picture.Bitmap := BMPImage;
end;
BMPImage.Free;
LerCorPixels(Cor); // Devolve valor de cor
LerRGBPixels(R, G, B); // Devolve R, G e B medios e
// Armazena matriz R, G e B
SomaCor := SomaCor + Cor;
SomaR := SomaR + R;
SomaG := SomaG + G;
SomaB := SomaB + B;
nImagem := nImagem + 1;
end;
CorMed := SomaCor div nImagem;
R_Med_Branco := SomaR div nImagem;
G_Med_Branco := SomaG div nImagem;
B_Med_Branco := SomaB div nImagem;
RLabel.Caption := IntToStr(R_Med_Branco);
GLabel.Caption := IntToStr(G_Med_Branco);
BLabel.Caption := IntToStr(B_Med_Branco);
{
NPontos := NPontos + 1;
Norma :=
Sqrt(R_Med_Branco*R_Med_Branco+G_Med_Branco*G_Med_Branco+
B_Med_Branco*B_Med_Branco);
nPontosMemo.Lines.Add(IntToStr(NPontos));
ANEXOS
86
CorMemo.Lines.Add(IntToStr(CorMed));
RMemo.Lines.Add(IntToStr(R_Med_Branco));
GMemo.Lines.Add(IntToStr(G_Med_Branco));
BMemo.Lines.Add(IntToStr(B_Med_Branco));
NormaMemo.Lines.Add(FloatToStrF(Norma, ffNumber, 18, 2));
}
end;
GetDir(0, PathInic);
end;
end;
procedure TFormDetCor.RGBPadAmBtnClick(Sender: TObject);
var
SomaR, SomaG, SomaB: Integer;
SomaCor: Int64;
R, G, B: byte;
i, Cor, CorMed: integer;
Norma: double;
begin
nImagem := 0;
SomaCor := 0;
SomaR := 0;
SomaG := 0;
SomaB := 0;
OpenPictureDialog1.InitialDir := PathInic;
OpenPictureDialog1.DefaultExt := 'bmp';
OpenPictureDialog1.Filter := 'Arquivos Bitmaps
(*.bmp)|*.bmp|Arquivos JPEG (*.jpg)|*.jpg';
OpenPictureDialog1.Options := [ofAllowMultiSelect];
if OpenPictureDialog1.Execute then begin
if MouseMoviment=False then begin
for i := 0 to OpenPictureDialog1.Files.Count-1 do begin
ANEXOS
87
BMPImage := TBitmap.Create;
// se a extensão for .jpeg, abre no formato JPEG, senão abre em
BMP
if UpperCase(ExtractFileExt(OpenPictureDialog1.FileName)) =
'.JPG' then begin
JPEGImage := TJPEGImage.Create;
// Converte o BMP para JPEG
JPEGImage.LoadFromFile(OpenPictureDialog1.FileName);
BMPImage.Assign(JPEGImage); // Converte arquivo JPG para
BMP
WebcamImg.Picture.Bitmap := BMPImage;
JPEGImage.Free;
end
else begin
BMPImage.LoadFromFile(OpenPictureDialog1.FileName);
WebcamImg.Picture.Bitmap := BMPImage;
end;
BMPImage.Free;
LerCorPixels(Cor); // Devolve valor de cor
LerRGBPixels(R, G, B); // Devolve R, G e B medios e
// Armazena matriz R, G e B
SomaCor := SomaCor + Cor;
SomaR := SomaR + R;
SomaG := SomaG + G;
SomaB := SomaB + B;
nImagem := nImagem + 1;
end;
CorMed := SomaCor div nImagem;
R_Med_Pad_Am := (SomaR div nImagem) - R_Med_Branco;
G_Med_Pad_Am := (SomaG div nImagem) - G_Med_Branco;
ANEXOS
88
B_Med_Pad_Am := (SomaB div nImagem) - B_Med_Branco;
{
R_Med_Pad_Am := SomaR div nImagem;
G_Med_Pad_Am := SomaG div nImagem;
B_Med_Pad_Am := SomaB div nImagem;
}
NPontos := NPontos + 1;
Norma :=
Sqrt(R_Med_Pad_Am*R_Med_Pad_Am+G_Med_Pad_Am*G_Med_Pad_Am
+
B_Med_Pad_Am*B_Med_Pad_Am);
nPontosMemo.Lines.Add(IntToStr(NPontos));
CorMemo.Lines.Add(IntToStr(CorMed));
RMemo.Lines.Add(IntToStr(R_Med_Pad_Am));
GMemo.Lines.Add(IntToStr(G_Med_Pad_Am));
BMemo.Lines.Add(IntToStr(B_Med_Pad_Am));
NormaMemo.Lines.Add(FloatToStrF(Norma, ffNumber, 18, 2));
end;
GetDir(0, PathInic);
end;
end;
procedure TFormDetCor.LimpMemosBtnClick(Sender: TObject);
begin
NPontos := 0;
nPontosMemo.Clear;
CorMemo.Clear;
RMemo.Clear;
GMemo.Clear;
BMemo.Clear;
NormaMemo.Clear;
end;
ANEXOS
89
procedure TFormDetCor.FecharBtnClick(Sender: TObject);
begin
close;
end;
end.
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo