Nouveau succès pour le monde de la recherche et pour la planète : le Prof. Dror Avisar et le doctorant Ofir Inbar du laboratoire d'hydrochimie de l'Ecole des sciences de l'environnement de l'Université de Tel-Aviv ont développé un système à base d'intelligence artificielle qui avertit en temps réel des concentrations anormales de polluants dans les eaux usées avec un niveau de précision de près de 90 %.
L'étude, réalisée en collaboration avec le Dr. Moni Shahar, Jacob Gidron et Ido Cohen du Centre d'intelligence artificielle et de l'école d'informatique de l'UTA, et le Dr. Ofir Menashe du Kinneret Academic College, a donné lieu à la publication de deux articles dans les revues Journal of Water Process Engineering et Journal of Cleaner Production.
Les eaux usées sont des eaux contaminées par des déchets domestiques, agricoles ou industriels. Des dizaines de stations d'épuration qui purifient ces eaux avant qu'elles ne soient renvoyées vers le milieu naturel, ou réutilisées pour l'irrigation des cultures agricoles (eaux recyclées), fonctionnent aujourd'hui en Israël.
« Plus de 80 % des eaux usées dans le monde ne sont pas traitées, et deux milliards de personnes sur la planète n'ont pas accès à un système d'égouts adéquat », explique Ofir Inbar. « Dans les pays du tiers monde, les eaux usées se déversent dans les réserves d'eau naturelles, comme les ruisseaux et les lacs, ou s'infiltrent dans les eaux souterraines, en les polluant, pollution qui aggrave la crise de l'eau existante. Mais même dans des pays développés comme Israël, qui est l'un des pays leaders au monde en matière de traitement des eaux usées, la gestion et l'exploitation du système de traitement de ces eaux repose encore sur des tests de laboratoire traditionnels, entraînant des défaillances et une pollution de l'environnement. Nous avons voulu développer des outils avancés d'intelligence artificielle afin d'améliorer et d'optimiser ce processus de purification, en économisant de l'argent et surtout en protégeant l'environnement ».
L'objectif: décomposer les polluants en temps réel
« Le traitement des eaux usées est un processus qui produit d'énormes bases de données biologiques, chimiques et physiques, provenant de capteurs et de tests en laboratoire », explique-t-il, « Ce sont ces données que nous souhaitons analyser, en temps réel autant que possible, afin d'optimiser le fonctionnement des stations d’épuration. Dans la première de nos deux études, nous avons examiné une station d'épuration qui achemine l'eau vers les sources du Yarkon, après un processus de purification primaire, secondaire et tertiaire. Le principal problème que nous avons identifié est un changement dans la concentration de phosphore, qui s'est avéré très fluctuante. Nous avons donc créé un système capable d'émettre une prévision fiable de cette concentration anormale. Les algorithmes que nous avons utilisés calculent des variables telles que la température, les précipitations, la nature des eaux usées et des caractéristiques chimiques et biologiques. Nous avons constaté qu'ils atteignent un niveau de précision impressionnant allant jusqu'à 87% ».
Dans une étude complémentaire, l'équipe de recherche a examiné le processus secondaire du traitement des eaux usées. Ce procédé, le plus important et le plus coûteux des procédés de traitement, repose sur la décomposition des eaux usées et la purification de l'eau par des micro-organismes.
Aujourd'hui, en cas de suspicion de dysfonctionnement du processus de purification, un échantillon est prélevé dans l'eau et envoyé à un laboratoire externe, où des experts l'examinent au microscope et tentent de mesurer manuellement les micro-organismes présents.
« Ce test est très cher, et surtout très long », explique Ofir Inbar. « La station d'épuration reçoit le rapport du laboratoire quelques jours après l'envoi de l'échantillon, et donc la plupart du temps, ce rapport n'est plus pertinent. Nous avons utilisé l'apprentissage automatique pour entrainer un système à identifier les micro-organismes dans les images prises lors du processus secondaire de purification, à un grossissement par 400. La difficulté ici était de créer une base de données à partir de zéro, car une telle base n'existe pas, et d'entraîner la machine à identifier les micro-organismes importants tels que les protozoaires et les filaments, et même des composants physiques du processus de purification comme les flocons de matériau. C'est un grand défi, car le système doit identifier ces minuscules créatures à partir d'images, alors qu'elles sont sous l'eau, avec toutes les distorsions et les phénomènes de réflexion que cela implique, et avertir presque en temps réel du déséquilibre qui s'est créé dans les populations de micro-organismes.
« Bien sûr, la "bibliothèque" que nous avons construite peut et doit être élargie et approfondie. Il faut y ajouter des agrandissements supplémentaires et d'autres champs lumineux tels que l'infrarouge, afin de pouvoir suivre de plus en plus de micro-organismes dans l'eau et d'obtenir des résultats de plus en plus précis. L'idée est de construire un outil basé sur l'apprentissage automatique qui aidera en temps réel les ingénieurs d'exploitation à optimiser le processus de décomposition des polluants lors du traitement secondaire et à produire ainsi des eaux recyclées de haute qualité, qui pourront être utilisée comme source principale d'irrigation agricole ».
Photos:
1. Ofir Inbar
2. La rivière du Yarkon, à son point le plus proche de l'Université de Tel-Aviv
(Crédit: Université de Tel-Aviv)
