КЛАССИФИКАЦИЯ ПРОЗРАЧНОСТИ (МУТНОСТИ) ВОДЫ ПО УРОВНЯМ НА ОСНОВЕ ГЛУБОКОГО ИЗУЧЕНИЯ
A.T. Sekerbaev · ВЕСТНИК КАРАГАНДИНСКОГО ГОСУДАРСТВЕННОГО ИНДУСТРИАЛЬНОГО УНИВЕРСИТЕТА · 2026
Not cached yet. This record was fetched live for this request and is stored after the lookup. Reopening the page should serve the cached copy.
ВЕСТНИК КАРАГАНДИНСКОГО ГОСУДАРСТВЕННОГО ИНДУСТРИАЛЬНОГО УНИВЕРСИТЕТА · Karaganda State Industrial University · article · 2026
Abstract
Точная классификация мутности необходима для поддержания качества воды в различных условиях, от питьевой воды до промышленных процессов. Традиционные турбидиметры сталкиваются с проблемами, в том числе с устойчивостью окрашенных объектов, изменением формы и размера деталей, а также необходимостью постоянной калибровки и технического обслуживания. В этом документе реализована сверточная нейронная сеть (CNN) для классификации проб воды в соответствии со степенью их мутности. Набор данных состоял из изображений, сделанных в лабораторных условиях, где отслеживались уровни размытости, измеренные с помощью портативного турбидиметра 2100p.
CNN достигла точности классификации лабораторных параметров на 97,00%. При тестированиина образцах водоемов в реальном мире точность модели составила 85,00%. Результаты показывают, что глубокое обучение может эффективно классифицировать уровни размытости, предлагая многообещающее решение для преодоления ограничений традиционных методов. Исследование демонстрирует потенциал CNN для точного и эффективного измерения мутности, точности балансировки и возможности практического применения в полевых условиях.
Open the resolved locator · 10.53002/124
Metadata licence: OpenAlex metadata (CC0)