Управление избыточным активным илом — это настоящая головная боль для всех очистных сооружений в мире. Представьте себе субстанцию, которая состоит в основном из воды. Из-за этой высокой влажности ее невероятно трудно обезвоживать. Это сразу бьет по карману: растут расходы на переработку, а такие полезные процессы, как сбраживание в биогаз или компостирование, работают еле-еле, теряя свою эффективность.

Казалось бы, что может быть проще, чем измерить влажность? Но не тут-то было. Те способы, что есть у нас сейчас — от банального высушивания в печи до хитрых инфракрасных методов, — либо работают слишком медленно, либо врут безбожно, либо стоят таких денег, что проще забить. Из-за этого ученые и инженеры давно искали способ, как щелкать замеры влажности как орешки — быстро и точно. И, кажется, они его нашли.

В журнале Environmental Science and Ecotechnology вышла работа, которая переворачивает представление о контроле ила. Группа исследователей из Хэйлунцзянского университета и местной Академии наук придумала систему, которая смотрит на ил… и просто фотографирует его. Шутка, конечно, но только отчасти. Они создали установку, которая делает снимки летящей струи ила с бешеной скоростью, а потом нейросеть за считанные секунды говорит:

В этом образце влажности столько-то процентов.

Весь процесс укладывается в 20 секунд. Это настоящий прорыв по сравнению с теми часами, а то и днями, что требуют старые методы.

Как же это работает? Команда смастерила хитроумный лабораторный стенд, который назвали iCASJEI (если по-русски, то это «система мгновенной съемки расширения струи активного ила»). Камера там щелкает со скоростью 260 кадров в секунду. Ученые нащелкали больше одиннадцати тысяч снимков и скормили их нейросетям. Оказалось, что по тому, как ведет себя струя — а ил течет совсем не как вода, это так называемая неньютоновская жидкость, — можно с удивительной точностью определить, сколько в нем воды.

Лучше всех с этой задачей справилась нейросеть VGG-16 (это разновидность сверточной нейросети, архитектура, хорошо зарекомендовавшая себя в распознавании образов). Она обошла своих конкуренток — Алексинети другие модели. Результаты впечатляют: точность предсказания составила 93,5% с погрешностью всего 2%, и даже при строгой погрешности в 1% точность держалась на уровне 87,6%. Чтобы добиться таких показателей, ученые долго подбирали давление в системе и диаметр сопла, через которое вылетает струя. Им удалось найти идеальное сочетание.

Доктор Готао Ван, один из главных авторов исследования, объясняет:

Наш метод — это гигантский скачок вперед. Мы взяли высокоскоростную съемку и обучили нейросеть понимать, что она видит. В итоге получили систему, которая определяет влажность ила быстрее и точнее, чем все, что было до нее. Это не только поможет оптимизировать работу очистных, но и может пригодиться везде, где важно точно знать, сколько влаги в вязких материалах. Технология делает будущее переработки отходов гораздо более ясным и управляемым.

Эта технология может кардинально изменить подход к очистке воды в глобальном масштабе. Если мы сможем в реальном времени знать влажность ила, мы сможем идеально настраивать процессы сбраживания и компостирования. Это снизит затраты и позволит эффективнее извлекать из отходов ценные ресурсы — тот же биогаз или удобрения. Но на одних очистных свет клином не сошелся. Метод пригодится и на пищевых производствах, и в химической промышленности, и даже в фармацевтике, где с вязкими жидкостями работают постоянно, и где влажность — критический параметр. Сейчас авторы планируют доработать систему, сделать ее еще мощнее. Если у них получится, то будущее, в котором мы меряем влажность пастой или кремом, просто фотографируя их, уже не за горами. И это здорово.

Обычно мы представляем науку как нечто далекое: коллайдеры, телескопы, нанотехнологии. А тут — просто ил на очистных. Но в этой простоте и кроется гениальность. Для ученых это исследование — как окно в новый мир. Они наконец-то смогут наблюдать за поведением сложных жидкостей не в пробирке, а в динамике, в струе, и напрямую связывать эти «живые» картинки с конкретными физическими параметрами. Это дает мощнейший инструмент для фундаментальной науки о реологии — науке о течении веществ.

А для нас с вами, простых обывателей, польза очень даже осязаемая. Чем лучше работают очистные, тем чище вода в реках, из которых мы, возможно, пьем. Меньше затрат на переработку отходов — значит, ниже тарифы на водоотведение для населения (или, по крайней мере, они не растут такими бешеными темпами). А если технология доберется до пищевой промышленности, то, возможно, наш любимый кетчуп или йогурт будут стабильнее по качеству, потому что производитель сможет четко контролировать влажность на каждом этапе. И никаких лишних консервантов.

При всей красоте идеи, не стоит забывать, что работа пока что лабораторная. Ил на очистных сооружениях — штука капризная. Его состав и свойства могут меняться каждый день в зависимости от того, что жители города спустили в унитаз или какое производство работало в ночную смену. В лаборатории ученые, скорее всего, работали с относительно стабильными образцами. Исследование не показывает, как поведет себя нейросеть, если столкнуться с илом, в котором вдруг окажется много жиров или химических реагентов с ближайшего завода. Сможет ли модель, обученная на 11 тысячах снимков «чистого» ила, адекватно оценить влажность в экстремальных условиях реального мира, где все меняется каждый час? Это большой вопрос, требующий дополнительных испытаний прямо на действующих очистных, а не в тиши лаборатории.

Ранее ученые разработали камеру, способную изменить будущее сверхбыстрой съемки.