• envinow.gr

Η τεχνητή νοημοσύνη επιστρατεύεται για τον έλεγχο της καταλληλότητας των υδάτινων πόρων

Επιμέλεια: Στέλλα Γεροτόλιου

Ανθίσεις κυανοβακτηρίων. (Πηγή: michiganradio.org)

Η πρόοδος που σημειώνεται στην τεχνολογία που βασίζεται στην τεχνητή νοημοσύνη μπορεί να χρησιμεύσει στην παρακολούθηση των εγκαταστάσεων επεξεργασίας νερού, καθιστώντας την πιο γρήγορη, εύκολη και οικονομική. Έτσι η δημόσια υγεία θα προστατεύεται πιο αποτελεσματικά. Αυτό σκέφτηκαν ερευνητές στο Πανεπιστήμιο του Waterloo στον Καναδά, οι οποίοι ανέπτυξαν ένα λογισμικό που ταυτοποιεί και ποσοτικοποιεί διάφορα είδη κυανοβακτηρίων στο νερό.


Τα κυανοβακτήρια αποτελούν φωτοσυνθετικούς οργανισμούς,που εντοπίζονται σε λίμνες του γλυκού νερού, σε θαλάσσια ύδατα συμπεριλαμβανομένων και των ωκεανών, σε ορυζώνες και ως βενθικοί οργανισμοί σε παράκτια ιζήματα. Όταν αυξάνονται σε αριθμό σχηματίζουν ανθίσεις του νερού ( water blooms) και απελευθερώνουν τοξίνες, τις κυανοτοξίνες.


Το λογισμικό που δημιουργήθηκε οπλίζει τους επιστήμονες με ένα σύστημα δειγμάτων που θα αποτελεί μια ταχύτερη ένδειξη σε περίπτωση κινδύνου. Ο έλεγχος χρησιμοποιώντας την Τεχνητή Νοημοσύνη μπορεί να γίνει σωστά και γρήγορα. Το λειτουργικό σύστημα τεχνητής νοημοσύνης χρησιμοποιεί λογισμικό σε συνδυασμό με ένα μικροσκόπιο προκειμένου να αναλύσει δείγματα νερού ως προς την ύπαρξη κυττάρων αλγών.


Η όλη διαδικασία, συμπεριλαμβανομένης και της επιβεβαίωσης των αποτελεσμάτων από τον αναλυτή, είναι οικονομική, αυτόματη και διαρκεί 1-2 ώρες. Οι μέθοδοι ελέγχου, που χρησιμοποιούνται σήμερα, τυπικά περιλαμβάνουν την αποστολή δειγμάτων σε εργαστήριο για ανάλυση από τους ειδικούς και διαρκούν 1-2 ημέρες. Αυτοματοποιημένα συστήματα υπάρχουν και τώρα, αλλά απαιτούν πολύ ακριβό εξοπλισμό και πρώτες ύλες.


Στόχος των ερευνητών είναι η παρακολούθηση του νερού να είναι συνεχής και ο έλεγχος να γίνεται για ένα ευρύτερο φάσμα ρύπων και μικροοργανισμών. Ωστόσο εκτιμούν ότι η διαμόρφωση ενός πλήρως εμπορικού συστήματος ελέγχου δειγμάτων για χρήση σε εργαστήριο και σε μονάδες επεξεργασίας μπορεί να χρειαστεί 2 με 3 χρόνια. Η ανάπτυξη της τεχνολογίας για συνεχή παρακολούθηση δε, μπορεί να απαιτήσει περισσότερο χρόνο.


Η έρευνα δημοσιεύτηκε πρόσφατα: Quantification of cyanobacterial cells via a novel imaging-driven technique with an integrated fluorescence signature


Για περισσότερες πληροφορίες, το κύριο άρθρο θα το βρείτε εδώ

ΕΠΙΚΟΙΝΩΝΗΣΤΕ ΜΑΖΙ ΜΑΣ