Бъстерите за замърсяване гледат на AI за по-добра скорост и точност

, когато замърсяването свива количеството сладка вода, което хората по целия свят могат да използват, като се справят с проблема с новите лечения и модернизираната инфраструктура е спешно. Въпреки това, наличието на възможно най -полезна информация е от съществено значение. Ето защо новаторите се стремят към изкуствен интелект-който може да осигури точен анализ в реално време-да идентифицират замърсители и да активират по-бързо, фокусирани почиствания.

Източниците на замърсяване на водата са сложни, тъй като те могат да включват индустриални химикали, пластмасови отпадъци, замърсителите, прибрани от наводненията и токсините и пепелта, създадени от дивифирори.

Има и увеличаване на изтичането на химикали от земеделска земя, докато нелекуваните градски отпадни води, влизащи в реки и езера, води до по-голям цъфтеж на водорасли. But it needs data to assess why, where and when contamination is taking place.

A key focus of attention is ageing sewer­age and clean water infrastructure, much of it underground and in constant need of repair to prevent leaks and overflows polluting freshwater.

While cameras, robots and sensors have long been used to inspect out-of-reach areas, the data retrieved on water quality or the state of pipes has been reviewed by хора. AI може да поеме тази задача, като анализира видео и изображения точно и бързо.

CCTV инспекциите са добре установени, казва Ейми Бъндшел, която ръководи архитектурата, инженерството и строителството в американската софтуерна компания Autodesk. „Сега можем да вземем тези данни и да използваме AI, за да стигнем до бърз отговор.“

Autodesk използва AI технология за анализ на изображения, за да подобри своя инструмент за активи Info360, който автоматизира прегледите на инспекциите за комунални услуги и общини. Той е разработен от Vapar, австралийска софтуерна компания за поддръжка на тръбопровода, която събра 5 милиона долара финансиране миналата година от инвеститорите, включително Autodesk.

Tech на Vapar дава възможност на екипажите на полето да качват и увеличават автоматично преглеждането на кадри от CCTV от водопроводни тръби и канализации, спестявайки време и увеличаване на точността. “Humans miss about 40 per cent of the problems. AI learns and will get to a much higher success rate,” Bunszel predicts.

More stories from this report

Extreme rainfall puts cities on alert
Trump backlash adds to challenges for California water policymakers
Big Tech under pressure to act over data centres’ thirst За вода
Как една чаша рециклирана канализация помага при недостиг на вода

, както и за откриване, AI може да помогне за предотвратяване на замърсяване. В селското стопанство той може да използва данни от сензори и спътници, за да генерира представа за растежа на културите и качеството на почвата, за да помогне на фермерите да избягват ненужното използване на торове и пестициди. Резултатът е по-малко химическо изтичане на извличане във водоснабдяване.

„Можете да оптимизирате добавянето на хранителни вещества, когато това се изисква на реколта, така че да не прекалявате с олицетворения“, казва Александър Кроуел, партньор в базираната в Амстердам водна техника за инвестиции в PureTerra Ventures. Една от компаниите, които е подкрепила, е Испанският HEMAV, който миналата година събра 8 милиона евро, за да разработи модели за прогнозиране на културите, захранвани от AI.

Досега полезността на спътниците е ограничена до откриване на общи промени в големите тела на водата. Тук влизат наземни сензори, тъй като те могат да съберат нивото на детайлите, които ИИ трябва да генерира най-добрите прозрения, казва Скот Брайън, президент на Imagine H2O, ускорител, който подкрепи повече от 200 стартиращи водни стартирания в целия свят.

Комбинирането на тестови ленти за еднократна употреба с уеб-свързвания софтуер за анализи на мобилно приложение прави технологията по-лесен за достъп. „Вместо да има една агенция, която събира данните, земеделските производители или други служители на правителствено образувание могат да улавят и събират тези данни“, казва Брайън.

Колкото и да е умен, базиран на AI технология, основните данни винаги са ключови. Гранулираната информация е от съществено значение за прилагането на анализи за замърсяване на водата, казва Orianna Bretschger, чийто стартиращ Aquacycl, базиран на САЩ, използва микробен технология за намаляване на цената и въглеродния отпечатък на обработката на индустриалните отпадни води. „AI е толкова добър, колкото данните, влезли в него.“

Без пълно разбиране на нивата на замърсяване, техните източници и как те се колебаят, тя вижда опасностите да се втурват в употреба на AI. „Ако прилагате AI с ограничени набори от данни, ще получите лоши отговори и ще вземете грешни решения“, предупреждава тя.

Последвайте ни в