Методологія побудови автоматизованої системи оперативного моніторингу окремих параметрів виробництва біогазу (укр.)

Анотація

Запропоновано методологію побудови автоматизованої системи оперативного моніторингу окремих параметрів виробництва біогазу - температурного режиму та візуально-статистичних ознак субстрату (середнє значення пікселів, стандартне відхилення, асиметрія, ексцес). Система інтегрує чотири функціональні підсистеми: мобільний IoT-моніторинг середовища на базі мікроконтролера ESP32 із передачею даних через протокол MQTT, технології комп'ютерного зору для експрес-оцінки якості біосировини методом Оцу з попереднім застосуванням CLAHE, ансамбль алгоритмів машинного навчання (XGBoost, LSTM, ResNet-50) для прогнозування виходу біогазу та узагальнену функцію бажаності Харрінгтона для формування рекомендацій оператору. Систематизовано математичний апарат системи: формули обчислення статистичних ознак зображення, метод кількісної оцінки якості на основі нормалізованої відстані від референсних значень, подвійну експоненціальну функцію бажаності з лінійною нормалізацією та метрики регресійного аналізу. Оперативність системи забезпечується передачею даних від IoT-пристрою до хмарної інфраструктури Amazon Web Services менш ніж за 5 секунд та повним циклом обробки - від отримання зображення до видачі рекомендації оператору – за 3,2 хвилини, що суттєво менше характерних часових констант процесу анаеробного зброджування. Архітектура реалізована за розімкненою схемою, де результатом роботи є не безпосередній вплив на виконавчі механізми, а формування рекомендацій для оператора з класифікацією стану біосировини за п'ятьма рівнями якості. Порівняльний аналіз п'яти методів сегментації на наборі з 26 зображень підтвердив перевагу методу CLAHE + Otsu з найнижчим коефіцієнтом варіації 3,63%. Аналіз важливості параметрів методом Random Forest показав, що візуальна оцінка якості є найбільш впливовим предиктором із відносною важливістю 0,301. Результати 6-місячного тестування на пілотній установці підтвердили ефективність підходу: збір 98,6% запланованих вимірювань, коефіцієнт детермінації прогностичної моделі R² = 0,91 після циклу донавчання на 100 валідованих записах, зменшення RMSE на 42,6% – з 0,61 до 0,35 м³/добу.