Neuer Ansatz für die Klassifizierung von Abwasserschlamm in städtischen Rohrnetzen

China: Forschung zu Abwasserschlamm

Einführung

Abwasserschlamm ist ein komplexer Schadstoff, der während des langfristigen Betriebs von städtischen Abwasserrohrnetzen abgelagert wird. Eine genaue Klassifizierung ist entscheidend für die Optimierung der Behandlung, die Rückverfolgung von Verschmutzungen und die Rückgewinnung von Ressourcen.

Traditionelle Methoden und ihre Einschränkungen

Traditionelle Methoden zur Klassifizierung von Abwasserschlamm sind zeitaufwändig und ineffizient. Die Verwendung von Nahinfrarotspektroskopie (NIR) bietet eine neue Möglichkeit, aber es gibt Herausforderungen wie redundante Spektraldaten, begrenzte Stichproben und voreingenommene Merkmale.

Neuer Ansatz: CABNas-nir

Die Forscher haben einen neuen Ansatz namens CABNas-nir entwickelt, der auf dem Neural-Architecture-Search-Framework (NAS) basiert und die Fusionsalgorithmen von NIR und aktiver Lernmethode integriert. Dieser Ansatz kann die Schlüsselmerkmale des Abwasserschlamms identifizieren und die Klassifizierungsrate verbessern.

Ergebnisse und Ausblick

Die Ergebnisse zeigen, dass CABNas-nir eine höhere Genauigkeit als traditionelle Methoden aufweist. Der Ansatz kann auch die Robustheit der Identifizierung von Abwasserschlammquellen verbessern und eine Grundlage für die schnelle und genaue Identifizierung von Abwasserschlamm schaffen.
Dieser Bericht basiert auf Informationen von PLOS ONE, lizenziert unter Creative Commons BY 4.0.