La presencia de microfibras y microplásticos en nuestras vías fluviales se ha convertido en una grave preocupación medioambiental mundial y representan una gran amenaza tanto para los ecosistemas acuáticos como para los seres humanos, dada su capacidad para acumularse dentro de la cadena alimentaria. Una de las principales fuentes de entrada de estos contaminantes son las plantas de tratamiento de aguas residuales urbanas, ya que no están diseñadas para eliminar estos microcontaminantes, por lo que persisten tanto en las aguas tratadas, que se vierte a ríos y mares, como en los fango, que se utilizan principalmente como fuente de nutrientes en suelos agrícolas.
Convencionalmente, para detectar microfibras en muestras de lodos, se utilizan métodos de oxidación para pretratar las muestras que, posteriormente, usan la microscopía manual y el análisis químico para su cuantificación e identificación. Estos métodos requieren de personal especializado y consumen mucho tiempo, ya que son métodos manuales. Además, carecen de la precisión y escalabilidad necesarias para la monitorización ambiental a gran escala. Este trabajo propone una aplicación, denominada MicroFiberDetect, que utiliza la inteligencia artificial mediante técnicas de aprendizaje profundo, para optimizar la detección y cuantificación de microfibras en muestras de lodos. Mediante la utilización de redes neuronales convolucionales CNNs, nuestro método da como resultado un sistema automatizado capaz de identificar fibras con precisión. Nuestra metodología consiste en capturar imágenes de alta resolución de muestras de lodos utilizando un microscopio estereoscópico, para a continuación, utilizar estas imágenes con en un modelo de aprendizaje profundo, entrenado en un conjunto de datos anotado con etiquetas verificadas por expertos. Esta aplicación será capaz de determinar el tamaño de la fibra, el color y la cantidad. Además, también queda registrada su posición en el soporte sobre el que se encuentra, lo que facilitará su posterior análisis con otras técnicas como RAMAN o FTIR, que necesitan saber la posición de las fibras en el soporte utilizado, para poder realizar su identificación. En este aspecto, el tener un mapeado de dónde se encuentran los puntos analizar, puede permitir la automatización del sistema de identificación, lo cual supondría también un ahorro de tiempo y costes de los análisis muy significativo.
La aplicación está exclusivamente diseñada para Windows y no necesita ningún requisito previo. Simplemente es necesario descomprimir la carpeta necesaria y ejecutar el archivo ejecutable.
Más información:
