Hanbat National University améliore la calibration des biocapteurs grâce à l'apprentissage automatique
Une nouvelle recherche utilise l'apprentissage automatique pour accélérer et réduire le coût de la surveillance sur site des toxines de microcystine dans l'eau douce sans recalibration répétée.
Province de Chungcheong, Corée du Sud – L'Université Nationale Hanbat a développé une avancée dans la détection sur site des toxines de microcystine-LR (MC-LR) à l'aide de biocapteurs portables. La nouvelle méthode intègre l'apprentissage automatique pour ajuster les lectures des capteurs aux variations de la qualité de l'eau, permettant des tests sur le terrain plus rapides et moins coûteux, sans nécessiter de recalibration fréquente, selon une étude publiée dans Water Research.
Le MC-LR est une toxine puissante produite par les cyanobactéries lors de proliférations algales nuisibles, l'Organisation Mondiale de la Santé ayant fixé une valeur guide de 1 microgramme par litre pour l'eau potable. Les biocapteurs électrochimiques conventionnels rencontrent des problèmes de précision en raison des interférences des paramètres de qualité de l'eau tels que le pH, la turbidité et la conductivité, nécessitant souvent une recalibration pour chaque échantillon.
Des chercheurs de l'Université Nationale Hanbat et de l'Université de Floride centrale ont développé un cadre d'apprentissage automatique qui prend en compte ces facteurs environnementaux. Le modèle a été entraîné à l'aide de données complètes collectées sur 27 sites de terrain en Floride, couvrant un large éventail de conditions aquatiques.
L'étude a souligné l'efficacité des algorithmes Extreme Gradient Boosting (XGBoost), démontrant qu'un modèle unique et unifié pouvait prédire avec précision les concentrations de MC-LR dans divers échantillons d'eau. Les facteurs clés influençant les prédictions comprenaient l'impédance électrique du biocapteur, la conductivité électrique, le pH, l'absorption UV et la turbidité.
Cette approche axée sur les données devrait réduire considérablement le temps, la main-d'œuvre et le coût associés aux méthodes de calibration traditionnelles. Alors que les proliférations algales nuisibles deviennent plus fréquentes en raison du changement climatique, cette technologie offre un moyen plus efficace et accessible de surveiller les toxines dans les sources d'eau douce.