ثورة في رصد الأكسجين المذاب: استخدام التعلم العميق في البيئات البحرية الملوثة!

في ظل التحديات المتزايدة التي تواجه البيئة البحرية، مثل أزمة المناخ وتدهور النظم البيئية، يزداد الطلب على أجهزة استشعار ذكية ومنخفضة التكلفة قادرة على المراقبة طويلة الأمد في البيئات الحقيقية. أحد أهم المعايير التي يجب مراقبتها هو تركيز الأكسجين المذاب (Dissolved Oxygen - DO)، والذي يعتبر عاملاً حاسماً في التنبؤ بالنقاط الحرجة للمناخ.

تقدم أجهزة الاستشعار الضوئية الرخيصة، والتي تعتمد على أفلام بوليمر ميكروهيكلية ومحملة بأصباغ متلألئة، حلاً واعداً لهذا التحدي. ومع ذلك، فإن تحديات انحراف الإشارة ووجود الطحالب البحرية تمثل عوائق رئيسية.

في هذا السياق، قدم الباحثون نموذجاً جديداً يجمع بين أجهزة استشعار DO المعتمدة على الكاميرا وشبكة عصبية مدعومة بمعرفة فيزيائية (Physics-Informed Neural Network - PINN) تعتمد على تحويل بصري (Visual Transformer - ViT)، ما يمكّن من قياس دقيق للأكسجين المذاب حتى في ظروف التلوث.

تم جمع بيانات التدريب والاختبار من خزان ماء محمّل بالطحالب على مدى 14 يوماً، مما أتاح فهم تأثير التلوث المتسارع. قامت شبكة ViT-PINN بإدراج معادلة ستيرن-فولمر (Stern-Volmer) في دالة الخطأ، مما أدى إلى تقليل متوسط الخطأ الجذري (Mean Average Error - MAE) بنسبة 92% و89% مقارنة بالطرق الإحصائية والتعلم الآلي التقليدية، حيث تم تحقيق خطأ مطلق يُقدّر بحوالي 2 ميكرومول/لتر.

علاوة على ذلك، يتمكن النموذج المتقدم من تقدير حالة عدم اليقين في التوقعات، مما يسمح بتشخيص ذاتي دقيق للأجهزة. إن هذه الخطوات المبتكرة تمثل خطوة هامة نحو تحسين رصد بيئتنا البحرية، مما يثير الأمل في مواجهة الآثار السلبية للاحتباس الحراري والتلوث.

ما ينبغي علينا فعله الآن هو الاستفادة من هذه التطورات لإحداث تغيير حقيقي. هل أنتم مستعدون لدعم هذه الابتكارات؟