Аналіз складу активного мулу із застосуванням нейронних мереж

Анотація

Об’єктом дослідження є електронно-мікроскопічні зображення активного мулу, які використовувались для навчання згорткової нейронної мережі. Важливим завданням процесу біологічного очищення стічних вод є оперативне визначення кількісних та якісних змін активного мулу, а також оцінювання впливу виявлених змін на ефективність очищення. Мікроскопічне дослідження, яке є традиційним інструментом контролю якості водно-мулової суміші, не дозволяє швидко виявити погіршення стану активного мулу, що може призвести до його деградації, а у складних випадках – до загибелі мулу. Порушення мікробіологічного складу мулу призводить до неправильного утворення флоків, порушення процесу утворення пластівців, ниткоподібного або шламового набухання, токсичності тощо. Поєднання методів штучного інтелекту з існуючими методами контролю якості активного мулу підвищить надійність та достовірність оцінки якості біологічного очищення.

Запропонована методологія для аналізу стану активного мулу з використанням конвуляційних нейронних мереж. З метою навчання мережі підготовлені зображення активного мулу, які класифіковані за двома категоріями – «флоки» та «бактерії з мікроорганізмами». У категорії «флоки» виділено 4 підкатегорії: розмір, форма, структура, край флоку; у категорії «бактерії з мікроорганізмами» – 2 підкатегорії: «окремі бактерії та мікроорганізми» та «колонії». Для кожної категорії сформовано набори даних по 250, 500 та 1000 зображень. Сформульовано задачу навчання моделі обробки зображень та критерії оцінювання успішності навчання. Задача навчання мережі полягала у пошуку такої функції розпізнавання, яка із заданим ступенем точності апроксимує невідому функцію розпізнавання на всій області її визначення. Точність розпізнавання зображень обрана в якості критерія успішності навчання. Результати тренування моделі свідчать, що точність розпізнавання зображень сягає 99,98 %, а на якість навчання впливає обсяг вибірки та тривалість тренування. Навчена модель може бути використана як швидкий та ефективний інструмент для виявлення проблем з активним мулом.