Aprendizaje automático multimodal para la eliminación de Cr(Ⅵ) y la sedimentación de flóculos utilizando...

Área de la Ciencia:

• Ingeniería Ambiental
• Tecnologías de Tratamiento de Agua
• Inteligencia Artificial en Ciencias Ambientales

Sus antecedentes:

• La electrocoagulación es eficaz para la eliminación de cromo hexavalente (Cr(Ⅵ)), pero tiene dificultades con las condiciones variables de las aguas residuales.
• Factores como el pH, la concentración de electrolitos y la velocidad de agitación afectan la formación y sedimentación de flóculos, lo que limita la eficiencia del proceso.

Objetivo del estudio:

• Desarrollar un marco de aprendizaje automático multimodal para predecir la eliminación de Cr(Ⅵ) y la sedimentación de flóculos durante la electrocoagulación.
• Mejorar la adaptabilidad y precisión de los procesos de electrocoagulación en diversas condiciones operativas.

Principales métodos:

• Se utilizó aprendizaje profundo (ResNet50) para extraer características de flóculos basadas en imágenes.
• Se integraron estas características con parámetros operativos en modelos de clasificación-regresión y regresión directa.
• Se emplearon algoritmos de aprendizaje automático que incluyen máquinas de vectores de soporte, clasificador de bagging y extra tree.

Principales resultados:

• Un enfoque multimodal que integra características de imágenes y parámetros operativos mejoró significativamente la precisión de la predicción.
• Los modelos de regresión directa lograron altos valores de R²: 0,971 para la eliminación de Cr(Ⅵ) y 0,986 para la sedimentación de flóculos.
• El marco demostró un rendimiento superior en comparación con los métodos tradicionales en la predicción de la eficiencia de la electrocoagulación.

Conclusiones:

• El marco de aprendizaje automático multimodal desarrollado ofrece una solución robusta para optimizar la electrocoagulación.
• Este enfoque mejora la precisión de la predicción y la adaptabilidad del proceso para un tratamiento eficaz de aguas residuales en diversas condiciones.
• El uso pionero del análisis de imágenes basado en aprendizaje profundo con parámetros operativos avanza la optimización del tratamiento de aguas residuales.