談起污水處理的大數(shù)據(jù)和人工智能，大家想到的大多是曝氣自動化、投藥自動化。但你有沒有聽過，圖像識別的AI技術(shù)如今在污水處理廠也得到應(yīng)用的呢？它的前景已經(jīng)受到多家水務(wù)工程公司的青睞，其中包括了丹麥的Ramboll公司，2021年，該公司發(fā)布了一款名為Opseyes的人工智能系統(tǒng)，聲稱僅憑顯微鏡拍攝的圖片，就能對污水廠生化池的污泥進(jìn)行快速分析。

小編在本期水星漫談里和大家看看他們是怎么做到的。

來自醫(yī)學(xué)界的靈感

這個名叫Opseyes的系統(tǒng)的創(chuàng)始人叫Bryan Arndt，他是Ramboll公司的管理顧問，有著豐富的污水廠運(yùn)行管理經(jīng)驗(yàn)。Bryan有個親生兄弟，是個放射科的醫(yī)生。

早在幾年前，Bryan和他的兄弟聊起了深度學(xué)習(xí)(Deep Learning)，他的兄弟說圖像識別技術(shù)已經(jīng)實(shí)實(shí)在在地幫助放射科醫(yī)生們分析人體圖像。這也讓Bryan意識到，這技術(shù)是不是能用到污水處理上呢？

污水廠哪里有圖像識別的需求呢？

答案在實(shí)驗(yàn)室的顯微鏡里。

縮短分析時間

如果你工作的污水廠的實(shí)驗(yàn)室配有顯微鏡，那么你可以借助它觀察微生物的組成，統(tǒng)計污水樣品中的原生動物的組成情況，來判斷污泥泥齡及其沉降性能。

有些國外學(xué)者還將他們這些鏡檢經(jīng)驗(yàn)整理成類似下圖的對應(yīng)關(guān)系圖，幫助運(yùn)行人員了解污水廠的污泥處于什么狀態(tài)。如果你剛好是從事污水廠的微生物鏡檢工作的專家，對此圖應(yīng)該不會陌生。

在美國，雖然不少污水處理廠的實(shí)驗(yàn)室有顯微鏡，但真能識別出不同微生物的專家并不多，因此，當(dāng)污水處理廠若想要得到較為專業(yè)的微生物鏡檢報告，需要將污水樣品寄到相應(yīng)的第三方機(jī)構(gòu)進(jìn)行分析。顯然這種做法相當(dāng)耗時，而且得五天以上 (因?yàn)橥ǔ＿€會分析其他指標(biāo)，包括BOD5)。對于追求實(shí)時性的污水運(yùn)行人員來說，這時間是耗不起的。

在他兄弟的啟發(fā)下，Bryan Arndt心想：能不能像其他行業(yè)那樣，運(yùn)用深度學(xué)習(xí)來訓(xùn)練 AI ，讓AI識別出污水各種微生物的照片，并根據(jù)這些照片即時生成廢水分析的結(jié)果？

污水的大數(shù)據(jù)

Bryan Arndt的想法得到了公司的支持，并開始組建小團(tuán)隊(duì)。同時聯(lián)系美國各地污水廠的同行，邀請他們給他寄些污水廠的樣品。

基于這些樣品，他和他的團(tuán)隊(duì)在隨后的幾個月里，積累了6000多張圖片。在外行人看來，這些圖片絕對不是什么美圖，甚至有點(diǎn)惡心，但在小編看來，Bryan Arndt和他的團(tuán)隊(duì)做的是開荒牛的好事。他們把收集的圖片打包發(fā)給了位于德國的同事 Robin Schlenga。德國的團(tuán)隊(duì)用卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Network, CNN）來處理這些圖像文件。

這里又要說個題外話，這次圖像分析用到了英偉達(dá)公司的獨(dú)立顯卡。小編猜測也許是英偉達(dá)公司的品牌管理團(tuán)隊(duì)覺得污水處理和人工智能的跨界十分新奇，因此在2021年的2月和6月相繼在其官網(wǎng)博客報道了這個項(xiàng)目，甚至制作了音頻播客，這才讓小編了解到這則新聞，也才有了搬磚的素材。而小編也是因此才知道，顯卡的錢省不了，因?yàn)楹玫娘@卡確實(shí)能大大縮短數(shù)據(jù)分析時間的(應(yīng)該會比讓碼農(nóng)閑著白等劃算)。

沒那么簡單

美國人Bryan Arndt剛聯(lián)系德國同事Robin Schlenga的時候，覺得這項(xiàng)目挺簡單的——不就是給AI一些圖片，AI就能把圖片的細(xì)菌一一認(rèn)出來了嗎？Robin說遠(yuǎn)沒有這么簡單，花了好些時間給Bryan解釋，才讓后者明白為何如果鏡檢專家不能為數(shù)據(jù)團(tuán)隊(duì)提供足夠的標(biāo)簽信息，數(shù)據(jù)團(tuán)隊(duì)是沒法開展工作。

Robin在采訪中解釋了這背后的兩個原因：第一是定性的難度，因?yàn)轱@微鏡的圖片里往往有許多種細(xì)菌，而不是大家熟悉的簡單的一圖一物的識別任務(wù)；第二是定量的難度，這個系統(tǒng)能認(rèn)出有什么細(xì)菌還不夠，必須需要根據(jù)圖片，判斷各種細(xì)菌的數(shù)量，分出個名次。

由于第一批圖片的質(zhì)量不能滿足數(shù)據(jù)分析團(tuán)隊(duì)的要求，所以Robin硬著頭皮要求Bryan重新采樣拍照。而這其實(shí)也讓Bryan很為難，因?yàn)樗惨蜱R檢專家們解釋一番，這些鏡檢專家雖然不懂AI，但長年累月看過成千上萬張微生物照片，已能輕松對每張圖片出現(xiàn)的微生物進(jìn)行描述，而Robin訓(xùn)練的AI最初只能認(rèn)出2-3種細(xì)菌，這難免會讓非AI專業(yè)的專家質(zhì)疑碼農(nóng)們的水平。幸好Bryan最終還是能做好兩邊的溝通工作，確保項(xiàng)目得以延續(xù)。

經(jīng)過超過一年半時間的開發(fā)，Opseyes總算達(dá)到了他們內(nèi)部滿意的版本——2020年9月，他們正式發(fā)布的1.0版。在此版本里，用戶將智能手機(jī)通過一個固定架綁在顯微鏡上，并對觀察到的樣本進(jìn)行拍照，照片經(jīng)上傳后，系統(tǒng)會在幾分鐘內(nèi)返回分析結(jié)果。

而早在2020年8月，一個叫Bruce The Water Guy的Up主分享了一個視頻——他收到了Opseyes的 內(nèi)測安裝包，邀請他進(jìn)行評測。下圖就是他在實(shí)驗(yàn)室拍的視頻截圖?？上谝曨l里并沒有分享分析報告的內(nèi)容，而且表示他能收到的只是一份報告的初稿，還不算正式的報告。而除了這個視頻，小編也沒有再找到其他相關(guān)第三方評測結(jié)果的消息，因此無法評價這個軟件目前的實(shí)際分析水平。

未來的潛能

讀到這里，你是否會問：那么這套機(jī)器學(xué)習(xí)系統(tǒng)除了識別污泥狀態(tài)，還有什么其他用途呢？

Bryan Arndt在采訪中也被問到此問題，他表示：他的團(tuán)隊(duì)正在考察能這套系統(tǒng)拓展到藻華爆發(fā)預(yù)警的可行性。

在小編看來，這套機(jī)器學(xué)習(xí)系統(tǒng)的當(dāng)務(wù)之急還是要積累更多令人信服的實(shí)測數(shù)據(jù)，過早的收費(fèi)不利于自身系統(tǒng)的完善。盡管如此，它的面世還是帶來很多積極意義的，它不僅幫助運(yùn)行人員了解污水處理系統(tǒng)的運(yùn)行狀況，更重要的是讓污水處理行業(yè)進(jìn)一步認(rèn)識到專業(yè)知識和人工智能之間的邊際要消融。換句話說，以后會有越來越多既懂污水處理又懂計算機(jī)的人才需求。

Robin在采訪中也說到：“其實(shí)此前很多所謂的機(jī)器學(xué)習(xí)大多集中在互聯(lián)網(wǎng)和金融領(lǐng)域，工程領(lǐng)域是在最近才開始對機(jī)器學(xué)習(xí)有更深入的探索和研究?！?他也表示非常歡迎更多的IT人才加入這些工程領(lǐng)域中來。