КЛАССИФИКАЦИЯ ПРОЗРАЧНОСТИ (МУТНОСТИ) ВОДЫ ПО УРОВНЯМ НА ОСНОВЕ ГЛУБОКОГО ИЗУЧЕНИЯ

Точная классификация мутности необходима для поддержания качества воды в различных условиях, от питьевой воды до промышленных процессов. Традиционные турбидиметры сталкиваются с проблемами, в том числе с устойчивостью окрашенных объектов, изменением формы и размера деталей, а также необходимостью постоянной калибровки и технического обслуживания. В этом документе реализована сверточная нейронная сеть (CNN) для классификации проб воды в соответствии со степенью их мутности. Набор данных состоял из изображений, сделанных в лабораторных условиях, где отслеживались уровни размытости, измеренные с помощью портативного турбидиметра 2100p. CNN достигла точности классификации лабораторных параметров на 97,00%. При тестированиина образцах водоемов в реальном мире точность модели составила 85,00%. Результаты показывают, что глубокое обучение может эффективно классифицировать уровни размытости, предлагая многообещающее решение для преодоления ограничений традиционных методов. Исследование демонстрирует потенциал CNN для точного и эффективного измерения мутности, точности балансировки и возможности практического применения в полевых условиях.