Исследователи используют ИИ для более точного и быстрого выявления токсичных веществ в сточных водах

Междисциплинарная исследовательская группа из Университета Ватерлоо использует искусственный интеллект (ИИ) для идентификации микропластика быстрее и точнее, чем когда-либо прежде. Микропластик, часто обнаруживаемый в пище, представляет собой опасный загрязнитель, наносящий серьёзный экологический ущерб, и его обнаружение — ключ к устранению.

Разработанная командой система расширенной визуальной идентификации может помочь очистным сооружениям и предприятиям пищевой промышленности принимать обоснованные решения для снижения потенциального воздействия микропластика на окружающую среду и здоровье человека. Для качественного анализа рисков необходима точная идентификация. Команда под руководством доктора Уэйна Паркера применила метод спектроскопии, при котором частицы подвергаются воздействию света различных длин волн. Разные типы пластика дают разные сигналы, подобные уникальным «отпечаткам пальцев».

Проблема в том, что из-за добавок и наполнителей эти «отпечатки» часто размыты, что затрудняет идентификацию и требует медленного, подверженного ошибкам человеческого вмешательства. «Микропластик — это гидрофобный материал, который может поглощать другие химические вещества, — отмечает Паркер. — Теоретически возможно, что микропластик усиливает накопление токсичных веществ в пищевой цепи».

С помощью доктора Александра Вонга команда создала инструмент ИИ под названием PlasticNet. «Мы построили нейронную сеть глубокого обучения для улучшения идентификации микропластика по спектроскопическим сигналам, — пояснил Вонг. — Мы обучили её на данных из литературы и наших собственных изображений, чтобы она понимала разнообразный состав микропластика и быстро находила различия». Инструмент позволяет анализировать частицы примерно на 50% быстрее и с на 20% большей точностью, чем предыдущие методы.

Тестирование системы на микропластике, изолированном с местной станции очистки сточных вод, показало, что она идентифицирует частицы с беспрецедентной скоростью и точностью. Следующие шаги — дальнейшее обучение и тестирование системы, а также загрузка в неё большего объёма данных для повышения качества идентификации в широком спектре задач.