Desenvolvimento de modelo para reconhecimento e classificação por imagem de tipos de flocos formadores do lodo biológico utilizando rede neural convolucional - CNN.

Abstract

Este estudo apresenta modelos de rede neural convolucional (CNN) para identificar e classificar imagens de tipos de flocos em lodo biológico, com o objetivo de criar um modelo para classificar os flocos em difuso e compacto, visando otimizar o tempo de resposta do ensaio e aumentar a precisão e eficiência no manejo do processo de monitoramento da biota da estação de tratamento de efluentes. Desta forma, destaca-se a eliminação do problema da subjetividade e erros humanos na classificação dos flocos, comuns em métodos tradicionais para ensaios de microscopia de lodo ativado. Foi criado um banco de dados de imagens, aplicadas técnicas de pré-processamento, construídos e treinados os modelos; em seguida, os resultados foram avaliados por meio de métricas de desempenho. Os modelos CNN treinados apresentaram acurácia superior a 96% para a classificação dos flocos. O modelo proposto serve como precedente para o uso de IA em aplicações de monitoramento de biota de plantas industriais e em projetos biotecnológicos, contribuindo para melhor performance operacional de estações de tratamento de efluentes, oferecendo um método rápido e confiável para controlar a qualidade do lodo biológico.