Teste não destrutivo com IA para fabricação inteligente de compósito de solo ligado por biopolímero com balanço de carbono negativo

Blocos de Construção Mais Inteligentes para um Mundo em Aquecimento

Edifícios são responsáveis por uma grande parcela das emissões globais de carbono, em grande parte por causa do concreto à base de cimento. Este estudo explora um tipo muito diferente de bloco de construção: tijolos feitos de solo unidos por polímeros naturais, que podem na verdade armazenar mais carbono do que emitem. Os pesquisadores mostram como inteligência artificial e testes simples de vibração podem detectar falhas ocultas nesses tijolos “verdes” enquanto ainda estão macios e também acompanhar como eles secam e endurecem — abrindo caminho para uma construção mais segura, menos desperdiçadora e mais favorável ao clima.

Tijolos Feitos pela Natureza, Não pelo Cimento

O material no coração deste trabalho é chamado compósito de solo ligado por biopolímero. Em vez de cimento, usa polímeros derivados de fontes biológicas, como proteínas, para colar grãos de areia entre si. Uma vez secos, esses tijolos podem ser tão fortes quanto o concreto e ainda apresentar uma pegada de carbono negativa porque retêm carbono que, de outra forma, voltaria para a atmosfera. Se materiais assim forem sair do laboratório e entrar no uso cotidiano, os fabricantes precisarão de meios confiáveis para garantir que cada tijolo seja resistente, uniforme e livre de defeitos perigosos. Verificações tradicionais de qualidade para concreto e outros materiais de construção tendem a ser lentas, destrutivas ou só funcionam depois que o material já endureceu totalmente — o que é tarde demais para corrigir problemas sem desperdiçar material.

Ouvindo Vibrações em Vez de Quebrar Tijolos

A equipe desenvolveu um sistema de ensaio não destrutivo que “ouve” como um tijolo fresco e macio vibra quando é levemente batido. Em seus experimentos, misturaram areia, água e um aglutinante à base de proteína sanguínea para formar um compósito úmido, compactaram-no em moldes retangulares e testaram imediatamente. Um martelo de impulso proporcionou batidas rápidas na superfície enquanto um pequeno acelerômetro no tijolo registrava as ondas de vibração resultantes. Esses sinais carregam informações sobre a estrutura interna do material: um tijolo liso e uniforme vibra de forma diferente de um com vazios, inclusões densas ou separações internas que imitam fissuras. Como o hardware é simples e comercial, o sensor pode ser rapidamente movido de um tijolo para outro, da mesma forma que um médico usa um estetoscópio.

Ensinando a IA a Detectar Falhas Ocultas

Para interpretar os padrões complexos de vibração, os pesquisadores construíram duas famílias de modelos de IA, apelidadas Mini-ft e Mega-ft. Ambos começam cortando os dados contínuos do sensor em trechos curtos, cada um contendo a resposta a uma única batida do martelo. O Mini-ft se concentra em 171 pontos-chave de cada trecho e comprime essa informação até apenas duas características que capturam como o sinal sobe e decai. Em seguida, usa um método simples de vizinho mais próximo para decidir se uma amostra é normal ou defeituosa e um modelo estatístico para estimar quanto de umidade perdeu enquanto seca. O Mega-ft adota uma abordagem mais poderosa: aplica milhares de filtros de formas aleatórias a cada trecho para criar uma descrição rica, com 20.000 características, da vibração. Um classificador linear rápido então usa essa impressão digital de alto detalhe para reconhecer não apenas se um tijolo é defeituoso, mas também que tipo de defeito ele apresenta.

Quão Bem o Sistema Funciona?

A equipe testou sua abordagem em vinte tijolos produzidos em laboratório, incluindo onze sem defeitos e oito com falhas cuidadosamente incorporadas. Alguns continham peças de aço para imitar regiões incomumente densas; outros escondiam formas plásticas ocas para simular vazios; outros ainda tinham folhas plásticas finas representando fissuras internas de vários tamanhos. Usando o modelo mais simples Mini-ft, o sistema distinguiu corretamente tijolos defeituosos de normais em cerca de 96% das vezes e conseguiu separar nove classes diferentes — uma normal mais oito tipos de defeito — com uma precisão de cerca de 82%. O modelo mais detalhado Mega-ft elevou esses números ainda mais, para aproximadamente 99% na detecção básica de defeitos e 97% na distinção entre tipos de defeito. A IA também pôde estimar o quanto um tijolo havia secado e, portanto, quanto de resistência havia ganho, com apenas alguns por cento de erro, tornando-a útil para acompanhar o processo de endurecimento ao longo do tempo.

Do Estudo Piloto à Construção no Mundo Real

Embora este trabalho tenha sido realizado em amostras do tamanho de tijolos com defeitos deliberadamente exagerados, os resultados apontam para uma ferramenta prática em fábricas para gerenciar novos materiais de construção com balanço de carbono negativo. Como o método funciona enquanto o material ainda está úmido, lotes defeituosos poderiam ser detectados cedo e a mistura reciclada em vez de descartada, reduzindo tanto o desperdício quanto o custo. O mesmo sistema de vibração e IA poderia ser adaptado a diferentes formulações, temperaturas e formas de produto, desde pequenos tijolos até elementos estruturais maiores ou mesmo peças impressas em 3D. Em termos simples, o estudo mostra que, ao bater e “ouvir” com IA, os fabricantes podem garantir que tijolos à base de materiais naturais sejam ao mesmo tempo verdes e confiáveis, ajudando a escalar a construção sustentável sem sacrificar a segurança.

Citação: Miao, B.H., Dong, Y., Theissler, A. et al. AI-powered non-destructive testing for smart manufacturing of carbon-negative biopolymer-bound soil composite. Commun Eng 5, 64 (2026). https://doi.org/10.1038/s44172-026-00621-8

Palavras-chave: compósito de solo ligado por biopolímero, teste não destrutivo, detecção por vibração, controle de qualidade com IA, construção sustentável