Інтелектуальна система автоматизованого моніторингу якості біоматеріалу для зброджування в біогазовій установці (укр.)

Анотація

Для вирішення проблеми неефективного та неоперативного контролю біогазових установок розроблено інтелектуальну систему автоматизованого моніторингу. Метою є підвищення стабільності та продуктивності анаеробного зброджування шляхом впровадження проактивного аналізу даних та адаптивного управління.

Дослідження проводилося на пілотній біогазовій установці з використанням ферментованого біоматеріалу. Для збору даних застосовано IoT-пристрій на базі ESP32 з датчиками температури та камерою. Аналіз даних реалізовано на хмарній інфраструктурі AWS з використанням сервісів S3, DynamoDB та Fargate, а також ансамблю моделей машинного навчання (XGBoost, LSTM) та комп'ютерного зору (ResNet-50).

Протягом 6-місячного тестування система продемонструвала високу надійність, забезпечивши збір 98,6 % запланованих вимірювань, та оперативність із середнім часом обробки даних 3,2 хвилини. Для аналізу зображень субстрату валідовано та обрано метод сегментації Оцу з підвищенням контрастності (CLAHE), який показав найнижчий коефіцієнт варіації 3,63 %, що свідчить про його стабільність.

Початкова прогностична модель машинного навчання демонструвала коефіцієнт детермінації (R²) 0,85 та кореневу середньоквадратичну помилку (RMSE) 0,61 м³/добу. Ключовим результатом є ефективність адаптивного механізму донавчання: після першого циклу оновлення на 100 нових, валідованих оператором записах, точність моделі значно зросла. Показник R² підвищився до 0,91, а RMSE зменшилася на 42,6 % до 0,35 м³/добу. Це доводить, що система здатна ефективно навчатися на реальних експлуатаційних даних, постійно покращуючи точність своїх прогнозів та, як наслідок, якість управлінських рекомендацій.