2019-11-09 16:54

AquaSight利用计算机视觉来告诉您水是否可以安全饮用

根据该地区的偏远情况,有时无法在野外解决水的可饮用性。联合国估计每天有200万吨的污水以及工业和农业废料排入世界的供水系统。而且,尽管许多化学试剂盒都可以测试细菌风险,但并非所有试剂盒都一样彻底。即使有了最新的技术进步,水污染每年仍导致约900万人过早死亡,占全球所有死亡人数的16%。

这激发了托马斯·杰斐逊科学技术高中和马里兰大学计算机科学系的一对研究人员对 能够检测水杂质的AI驱动的Android应用程序进行了研究,他们在最新发表的论文中对此进行了描述。预打印服务器Arxiv.org(“ AquaSight:利用卷积神经网络进行自动水杂质检测”)。他们声称他们的方法在初步测试中达到了96%的准确度,并且说这种方法在评估特定样品的透明度方面非常有效。

该工作建立在Clean Water AI等工作的基础上,Clean Water AI是一种开源的物联网(IoT)设备,可实时分类和检测危险细菌和有害颗粒。

共同作者写道:“无法轻松获得纯净水的环境中的人们将受益于技术,使他们能够确定潜在的饮用水受到污染的程度。” “部署后,AquaSight系统将为个人提供有效的方式来确保对水质的估计,并提醒地方和中央政府采取行动,并有可能挽救全球数百万人的生命。

该团队的方法利用了卷积神经网络(一种通常应用于视觉分析的AI体系结构)来快速测量用智能手机相机拍摄的水快照的浊度(他们注意到,以前的研究与胃肠道疾病有关)。为了训练该模型,他们将数据图像分为两部分,共105个数据集:91个图像包括净水和所有受污染水的变化,而其余14个图像为净水,并引入了更大范围的光照水平。(在这种情况下,污染物是沙子,盐,黑胡椒和油漆。)保留了约78张图像用于训练,其余(27张)图像用于验证。

研究小组观察到,该模型预测的假阳性(三个干净的图像归为污染)比假阴性(一个污染的图像被错误地归为干净)的预测更多,这可能是因为干净图像中不同程度的黑暗导致其误判了较低的干净图像亮度。该团队将未来的工作留给数字化处理图像,以对暗图像进行归一化处理,并添加一个组件,该组件将将AquaSight收集的图像发送到存储数据库,在该数据库中,每周将对系统进行重新培训,以确保该系统保持最新且“准确”。尽可能。”

此外,研究人员打算在Google Play商店中公开提供其移动应用程序,并构建功能,使用户能够在发现受污染的样本后与当地政府联系。

共同作者写道:“ AquaSight试图提供不需要大量化学测试的水质快速评估,并且任何人都可以在任何地方,任何时间进行。” “我们寻求创建一个整体的机器学习模型,该模型只需要一张水图像即可确定是否存在污染物,从而提高人们进行基本水分析的难易程度。