Институт гражданского строительства и технологий Кореи (KICT) 🏗️ успешно разработал систему мониторинга цветения водорослей в режиме реального времени! 🌊 Устройство использует недорогие оптические датчики и уникальный алгоритм классификации данных, превзойдя по точности современные AI-модели, такие как Gradient Boosting и Random Forest. Результаты опубликованы в журнале Environmental Monitoring and Assessment. 📄
Вредоносное цветение водорослей (HABs) ☠️ угрожает качеству воды, здоровью людей и водным экосистемам. Традиционные методы обнаружения (спутники, дроны) слишком дороги 💸 и не подходят для постоянного мониторинга.
Команда доктора Ли Джей-Йоп из KICT создала компактный датчик, объединяющий световые сенсоры и микроконтроллер 🌞. Система распознает четыре состояния поверхности воды: «водоросли», «солнечно», «тень» и «вода», используя данные по освещенности (lx), УФ, видимому и ИК-излучению. 📊
Классификация на основе метода опорных векторов (SVM) показала точность 92.6% 🎯. Добавление логического алгоритма повысило результат до 95.1% 📈. После PCA-сжатия данных и повторного анализа SVM достиг 91% точности, но с логической обработкой границ модель показала 100% точность ⚡, обойдя Random Forest (99.2%)! 💡 Это доказывает: простота и логика иногда эффективнее сложных решений.
«Наша система исключительно надежна и понятна для внедрения в реальные условия», — отметил доктор Ли 🛠️. Она идеальна для маломощных устройств и небольших выборок данных.
Устройство также измеряет концентрацию хлорофилла-а 🌿 — маркера HABs — с погрешностью всего 14.3% при уровнях выше 5 мг/л. Модель на основе линейной регрессии работает даже на слабых процессорах и легко настраивается ✔️.
Это прорыв в доступном экологическом мониторинге! 💧 Комбинация дешевых IoT-датчиков и логических алгоритмов позволяет отслеживать цветение водорослей в реальном времени без дорогого оборудования или больших данных 🌍.
Материал предоставлен Национальным исследовательским советом по науке и технологиям Кореи. 🇰🇷