A novel camera-based sensor for real-time wastewater quality monitoring/ru
Недавние достижения значительно улучшили методы измерения мутности и поглощения, которые имеют решающее значение для мониторинга качества муниципальных и промышленных сточных вод. Эта экспериментальная система использует анализ изображений и машинное обучение на монохромных изображениях реальных образцов вторичных сточных вод, облученных шестью светодиодами, для классификации мутности и прогнозирования поглощения в видимом диапазоне. Она фокусируется на измерениях низкой мутности (0–15 нефелометрических единиц мутности [NTU]), что является самой сложной задачей для традиционных датчиков мутности. В частности, эта основанная на камере методика позволила классифицировать в пределах класса 2 NTU 96 образцов мутности, отобранных на реальной очистной станции сточных вод, с точностью и достоверностью более 96%. Кроме того, она эффективно предсказывала мутность и поглощение с помощью нейронной сети, достигнув коэффициентов R-квадрат 0,76 и 0,72 соответственно. Эта инновационная система мониторинга, которую можно развернуть на нескольких участках очистных сооружений, не только устраняет ограничения существующих методов для работы с водой низкой мутности, но и открывает возможности для мониторинга технологического процесса в масштабах всего предприятия. В настоящее время проводятся дальнейшие испытания для подтверждения эффективности предлагаемого подхода в других областях применения, связанных со сточными водами, таких как мониторинг перелива в комбинированной канализации и обнаружение возмущений в системе активного ила, где ожидаются более резкие и быстрые изменения.
Исходный код: https://osf.io/x5z2v/
Ключевые слова
Основные моменты
- Датчик на основе камеры для мониторинга и обнаружения аномалий на очистных сооружениях.
- Методы машинного обучения, применяемые для анализа изображений в диапазоне низкой мутности.
- Мутность классифицируется от 0 до 15 NTU с размером интервала 2 и точностью >96%.
- Одновременно прогнозируется поглощение в видимом диапазоне.
См. также
- Операционная система Computer Vision для распределенной переработки и аддитивного производства
- Дополнительные приложения компьютерного зрения ОС
.jpg)
| Авторы | Джорджо Антонини; Джошуа М. Пирс; Франко Беррути; Доменико Санторо |
|---|---|
| Лицензия | CC-BY-SA-4.0 |
| Организации | FAST , Западный университет |
| Цитировать как | Джорджио Антонини; Джошуа М. Пирс; Франко Беррути; Доменико Санторо (2024–2025). «Новый датчик на базе камеры для мониторинга качества сточных вод в режиме реального времени» . Аппропедия . Проверено 12 июля 2025 г. |