АВТОМАТИЗОВАНА ІДЕНТИФІКАЦІЯ БІОЕСТИМАТОРІВ АКТИВНОГО МУЛУ НА ОСНОВІ МЕРЕЖЕВОЇ МОДЕЛІ YOLOV8

Анотація

У статті представлено результати дослідження, спрямованого на розробку та навчання нейронної мережі глибокого навчання YOLOv8 для автоматизованого розпізнавання біоестиматорів на мікроскопічних зображеннях активного мулу. Мета роботи. Метою дослідження є розробка та апробація моделі автоматичного розпізнавання біоестиматорів активного мулу для підвищення ефективності моніторингу стану біологічного очищення стічних вод у режимі реального часу. Основним завданням є створення інтелектуального інструменту, здатного ідентифікувати морфологічні об’єкти (біоестиматори) на зображеннях активного мулу, що дозволяє оперативно оцінювати якість біопроцесів та адаптивно керувати технологічними параметрами очищення. Методологія. У роботі використано сучасну архітектуру YOLOv8, яка поєднує високу швидкодію, точність і здатність до навчання на відносно малих вибірках даних. Навчання моделі здійснювалося на маркованих зразках мікроскопічних зображень, що містили два типи біоестиматорів активного мулу. Проведено аналіз узгодженості результатів навчання з валідаційними даними та оцінку стабільності роботи моделі за різних умов освітлення та контрасту. Наукова новизна. Уперше продемонстровано можливість застосування архітектури YOLOv8 для задачі автоматичного розпізнавання біоестиматорів активного мулу. Модель показала здатність до коректного виявлення більшості біоестиматорів та стабільну роботу навіть за складніших умов обробки зображень. Підхід відкриває перспективи для створення інтелектуальних систем моніторингу біологічних процесів очищення, здатних до самоадаптації та прийняття рішень у реальному часі. Висновки. Проведене дослідження підтвердило ефективність використання моделі YOLOv8 для ідентифікації біоестиматорів активного мулу. Отримані результати свідчать про задовільну точність роботи моделі на етапі демонстраційного навчання, а подальше розширення навчальної вибірки дозволить підвищити точність і надійність системи для промислового застосування. Запропонований підхід може стати основою для створення автоматизованих систем моніторингу стану активного мулу та управління біологічним очищенням стічних вод.