Автоматизована система для вимірювань геометричних характеристик фітопланктону у водоймах

Размещено на http://www.allbest.ru

Размещено на http://www.allbest.ru

Вступ

Актуальність теми. Розвиток фітопланктону у водоймах, тобто продукування органічної речовини під дією ряду природних та штучних факторів, є однією з серйозних екологічних проблем незалежної України. Найбільш інтенсивно розвиток фітопланктону протікає у водосховищах та інших водоймах господарсько-побутового призначення, що мають обмежену циркуляцію води. Наслідком цього процесу, який називають антропогенною евтрофікацією, є суттєве погіршення якості питної води та значне підвищення загальної кількості токсичних речовин у воді. Тому розробка автоматизованої системи для вимірювань геометричних параметрів фітопланктону (ГПФ) в процесі його розвитку є актуальною науково-технічною задачею.

Питанням вимірювання геометричних параметрів присвячені роботи відомих українських вчених Орнатського П.П., Новікова А.Н., Павленка Ю.Ф., Біленького Я.Є., Чабанова А.І., вчених близького та далекого зарубіжжя Соболева В.І., Стригіна В.В., Макарова І.М., Козирева Ю.Г., Раманаускаса В.А., Модестова М.Б., Ратмирова В.А. та інших. Однак в цих роботах відсутні відомості про вимірювання ГПФ на основі алгоритмічної обробки відеозображень, що містять вимірювальну інформацію про ці параметри.

Основною перешкодою для оперативного здійснення контролю за станом водойм є застарілі відомі методи вимірювання ГПФ, розрахунку його чисельності та маси. Висока працемісткість, низька ефективність та швидкодія вказаних методів вимірювань не дозволяють швидко виявляти зміни, що відбуваються у розвитку ГПФ, та своєчасно реагувати на них. Тому виникла нагальна потреба в удосконаленні існуючих методів вимірювань та контролю за ГПФ.

Одним із ефективних методів вимірювань механічних величин є алгоритмічна обробка сигналів, які містять інформацію про об'єкт вимірювань. Пропонується для визначення ГПФ перетворювати візуальну інформацію про ГПФ у відеозображення і виконувати алгоритмічну обробку отриманих відеозображень. З цією метою розроблено автоматизовану вимірювальну систему для визначення ГПФ та контролю за станом водойм господарсько-побутового призначення. Її застосування дозволить значно підвищити швидкодію та розширити функціональні можливості вимірювання геометричних параметрів та контролю за процесами розвитку фітопланктону у водоймах господарсько-побутового призначення.

Мета і задачі дослідження. Метою роботи є розширення функціональних можливостей і підвищення швидкодії засобів вимірювань ГПФ у водоймах шляхом розробки автоматизованої системи для вимірювань цих геометричних параметрів.

Основні задачі:

Визначити завдання по контролю і спостереженню за процесами розвитку фітопланктону у водоймах, що потребують вимірювання ГПФ. Визначити перспективні напрямки досліджень.

Дослідити перетворення вимірювальної відеоінформації в процесі вимірювань геометричних параметрів. Визначити похибки і викривлення, що мають вплив на точність вимірювань, розробити заходи по зменшенню цих похибок.

Розробити методику обробки вимірювальної інформації про стан екосистем водойм, що включає формування та цифрову обробку відеозображень проб води з водойм, визначити ГПФ та на цій основі виконати його ідентифікацію.

Створити автоматизовану систему для вимірювань ГПФ у водоймах, яка має розширені функціональні можливості і підвищену швидкодію у порівнянні із існуючими засобами вимірювань.

Обґрунтувати можливість та доцільність використання штучних нейронних мереж (ШНМ) для обробки вимірювальної інформації про ГПФ та для проведення контролю за станом водного середовища.

Дослідити експериментально особливості змін ГПФ у водоймах господарсько-побутового призначення на основі ШНМ, як засобу обробки вимірювальної інформації. Визначити основні фактори, що впливають на ці процеси.

1. Задачі по дослідженню стану фітопланктону у водоймах, що потребують вимірювань його геометричних параметрів

Існуючі методи і засоби розв'язання цих задач не враховують можливості сучасних комп'ютерних технологій обробки вимірювальної інформації, мають недостатню швидкодію вимірювань і обмежені функціональні можливості, в тому числі по дослідженню змін стану ГПФ в часі, по обробці і збереженню результатів вимірювань.

Пропонується вимірювання ГПФ у водоймах виконувати шляхом введення в ЕОМ і алгоритмічної обробки візуальної інформації про ці параметри у пробах води з водойм.

Визначено, що для вимірювань можна використовувати стандартні апаратні засоби формування відеозображень (цифрова відеокамера або цифровий фотоапарат). В поєднанні з розробленими алгоритмами обробки відеозображень це розширює функціональні можливості і підвищує швидкодію вимірювань ГПФ.

В другому розділі розглянуто перетворення вимірювальної відеоінформації в процесі вимірювань ГПФ, розроблено математичну модель похибок такого перетворення. Ця модель є основою для підвищення швидкодії і розширення функціональних можливостей вимірювань у порівнянні із існуючими засобами.

Вимірювання ГПФ складаються із послідовності операцій по перетворенню і обробці відеоінформації про фітопланктон у пробах води з водойм господарсько-побутового призначення:

Рис. 1. Загальна схема вимірювань ГПФ

- формування відеозображень фітопланктону, геометричні параметри якого потрібно визначити;

- отримання цифрових відеозображень шляхом аналого-цифрового перетворення сформованих початкових відеозображень в форму, зручну для алгоритмічної обробки;

- попередня обробка цифрових відеозображень з метою виключення викривлень вимірювальної інформації про ГПФ та виділення цієї інформації з масиву цифрових даних відеозображення;

- визначення ГПФ та розрахунок його маси.

Попередня обробка відеозображень включає: 1) відновлення динамічних викривлень вимірювальної інформації та фільтрацію шумів; 2) перетворення початкового кольорового відеозображення у напівтонове відеозображення (градації яскравості) з врахуванням особливостей кольору фітопланктону і кольору фона; 3) сегментацію відеозображення на об'єкти вимірювань (екземпляри фітопланктону) і фон по порогу яскравості; 4) видалення об'єктів вимірювань, що розташовані на межі відеозображення; 5) заповнення порожнин в об'єктах вимірювань, що виникли в результаті дії шумів на початкове відеозображення. Вибір об'єктів вимірювань можна проводити як в автоматичному, так і в ручному режимі, коли оператор безпосередньо на екрані монітора вказує опорні точки об'єктів на відеозображенні. У випадку використання відповідних технічних засобів (наприклад нейропроцесор NeuroMatrix NM6403 фірми НТЦ "Модуль") перша, друга та третя операції реалізуються на основі ШНМ.

Вимірювання ГПФ включає визначення поперечних розмірів, площі та коефіцієнтів форми кожного екземпляру фітопланктону. Для розрахунку об'єму та маси фітопланктону необхідно також виконати його ідентифікацію за видовим складом, так як проведення цих розрахунків залежить від виду екземплярів фітопланктону.

Відомо декілька підходів до ідентифікації об'єктів вимірювань по їх відеозображенням. Методи на основі геометричних параметрів базуються на визначенні деяких універсальних інваріант, тобто кількісних ознак, що є інваріантними до масштабування, зсуву та повороту об'єкта вимірювань на різних відеозображеннях. Такі ознаки характеризують узагальнено форму об'єктів. Структурно-синтаксичні методи ґрунтуються на визначенні структурних відносин між фрагментами відеозображень об'єктів і використовують апарат дискретної математики. В даному випадку геометричні параметри і форма фітопланктону є відносно простими і окремі його екземпляри ідентифікуються незалежно один від одного. Тому пропонується ідентифікацію екземплярів фітопланктону виконувати на основі геометричних параметрів, що вимірюються по відеозображенням фітопланктону.

Також пропонується для ідентифікації фітопланктону використовувати методи та технічні засоби ШНМ (рис. 2), які ефективні у задачах ідентифікації фітопланктону. Ці методи поєднують у собі здатність цифрової ЕОМ до обробки чисел і здатність мозку до узагальнення і розпізнавання.

Розглянемо геометричні параметри, які можна використати для ідентифікації фітопланктону. Це геометричні параметри, що інваріантні до зсуву і повороту об'єктів вимірювань на відеозображенні. Головні моменти інерції об'єкту вимірювань розраховуються за формулою:

Моменти інерції Jх, Jу та Jху розраховуються на основі значень функції яскравості f(х, у) для множини ? дискретних точок відеозображення, що належать об'єкту вимірювань:

де х і у - координати дискретних точок об'єкта вимірювань,

хс і ус - координати центра мас об'єкта вимірювань.

Рис. 2. Схема ідентифікації та розрахунку маси фітопланктону на основі ШНМ

Координати центра мас об'єкта вимірювань дорівнюють:

де N - кількість дискретних точок, що належать об'єкту вимірювань.

Еквівалентний діаметр , де S - площа об'єкта вимірювань.

Для ідентифікації екземплярів фітопланктону використані їх коефіцієнти форми:

- коефіцієнт випуклості , де Sс - випукла площа об'єкта вимірювань (площа випуклого багатокутника, в який вписано цей об'єкт);

- коефіцієнт заповнення , де w і h - ширина і висота об'єкта вимірювань;

- ексцентриситет, що визначається для еліпса, який має головні моменти інерції такі ж, як у об'єкта вимірювань.

Формування та перетворення вимірювальної інформації супроводжується виникненням похибок, які суттєво впливають на точність вимірювань геометричних параметрів. Це такі похибки:

- похибка, обумовлена шумом в пристрої формування відеозображень;

- похибка, що викликана геометричними викривленнями в оптичній системі пристрою формування відеозображень;

- похибка дискретності відеоінформації, що виникає в напівпровідниковому перетворювачі “світло-сигнал” та при перетворенні відеозображень в цифрову форму;

- похибка, що викликана викривленнями форми відеосигналу через обмеження його смуги частот в електронних схемах;

- похибка квантування по рівню відеосигналу при перетворенні відеозображень в цифрову форму;

- похибка алгоритмічних обчислень геометричних параметрів на основі послідовності цифрових відеозображень.

Основною похибкою вимірювань, яка не може бути скомпенсована, є похибка, пов'язана із дискретністю цифрового відеозображення. Вона дорівнює ± dд/2, тобто половині відстані між сусідніми дискретними точками цифрового відеозображення. Ця похибка визначає максимально можливу точність вимірювань за умови, що інші похибки зменшені або скомпенсовані до незначного рівня.

Похибка квантування відеосигналу по рівню для співвідношення сигнал-шум (40…55) дБ (типове значення для пристроїв формування відеозображень) має рівномірний розподіл в інтервалі ± dкв/2, де dкв - крок квантування відеосигналу по рівню. Поточні значення похибки некорельовані між собою і практично некорельовані із відеосигналом. Для зменшення цієї похибки необхідно при перетворенні відеозображень в цифрову форму використовувати аналого-цифровий перетворювач з достатньою кількістю розрядів цифрового коду (не менше 8).

Геометричні викривлення в оптичній системі і викривлення форми відеосигналу через обмеження його смуги частот призводять до виникнення систематичної складової частини похибки вимірювань, яка може бути скомпенсована шляхом алгоритмічної обробки відеозображень. На основі дослідження складових частин похибок вимірювань визначено заходи по їх зменшенню і компенсації, що дозволяє суттєво підвищити точність вимірювань ГПФ.

3, Автоматизована вимірювальна система для визначення ГПФ у водоймах

Розроблено методики обробки вимірювальної інформації. Обґрунтовано використання ШНМ для вимірювань геометричних параметрів та обробки результатів цих вимірювань, в тому числі для ідентифікації та розрахунку маси фітопланктону у водоймах. Визначено технічні засоби для реалізації ШНМ та похибки цих мереж при обробці вимірювальної інформації.

Розроблену автоматизовану систему побудовано на основі стандартних апаратних засобів, що включають мікроскоп з вбудованою цифровою відеокамерою (наприклад, MICROS MC-200 з відеокамерою CAM-2800), цифрову ЕОМ на базі процесору Pentium 4 та додатковий нейропроцесор (наприклад NeuroMatrix NM6403 фірми НТЦ "Модуль").

Важливою частиною автоматизованої системи є нейропроцесор, призначений для реалізації обробки вимірювальної інформації про ГПФ на основі методів ШНМ. Реалізація ШНМ в нейропроцесорі виконується на основі базових елементів, що реалізують функцію:

,

де: Zi - вихідний сигнал i-го нейрона ШНМ; Xj - j-й вхідний сигнал ШНМ; Ui - початкові умови (зсув) для i-го нейрона; Wij - ваговий коефіцієнт j-го входу i-го нейрона; Yi - сума нормованих входів i-го нейрона, j - функція активації, N - кількість входів мережі, що дорівнює кількості геометричних параметрів; M - кількість нейронів в мережі, що дорівнює кількості видів фітопланктону при ідентифікації і розрахунку його маси.

Рис. 3. Автоматизована система для вимірювань ГПФ

Методика обробки вимірювальної інформації включає:

· відбір та підготовку препаратів з проб води, що містять вимірювальну інформацію про ГПФ, розташування цих препаратів на предметному склі мікроскопа;

· формування відеозображення фітопланктону за допомогою відеокамери, приєднаної до оптичної системи мікроскопа та введення цього відеозображення в обчислювальне середовище цифрової ЕОМ;

· виявлення кожного екземпляра фітопланктону шляхом цифрової обробки відеозображень, в тому числі за допомогою ШНМ;

Рис. 4. Базовий елемент ШНМ, що використовується в нейропроцесорі для обробки вимірювальної відеоінформації

· розрахунок для кожного екземпляра фітопланктону геометричних параметрів, інваріантних до масштабування, зсуву та повороту цього екземпляра в площині відеозображення;

· виконання ідентифікації кожного екземпляру фітопланктону за його видовим складом на основі ШНМ;

· розрахунок маси та кількості фітопланктону кожного виду у перерахунку на 1 дм3;

· оцінка стану водойми господарсько-побутового призначення на основі отриманої вимірювальної інформації, моделювання та прогнозування змін ГПФ, планування заходів покращення якості водопостачання.

Послідовність перетворення та обробки вимірювальної інформації про ГПФ згідно розробленої методики наведено на рис. 5. Забезпечуються такі переваги:

1. Розширюються функціональні можливості засобів вимірювань ГПФ при обробці вимірювальної інформації, зберіганні та відображенні результатів вимірювань. Це відбувається за рахунок використання цифрової ЕОМ та інтелектуальних методів обробки вимірювальної інформації на основі ШНМ на відміну від відомих засобів вимірювань, які побудовано на основі використання ручної праці.

2. Підвищується швидкодія засобів вимірювань за рахунок автоматизації обробки вимірювальної інформації, використання нейропроцесора та формування стиснутих відеозображень у відеокамері для передачі в ЕОМ. Час вимірювань однієї проби води складає до 5 сек. на відміну від відомих засобів вимірювань, що потребують на цю операцію 30 хвилин.

Для сегментації відеозображень та виділення об'єктів вимірювань запропоновано використовувати ШНМ на основі прошарку нейронів Кохонена. Така ШНМ забезпечує виділення центрів кластерів для масиву початкових даних відеозображення. На відеозображенні обирається фрагмент, характерний для даного відеозображення і який використовується для навчання нейронної мережі. Обробляється інформація про колір дискретних точок фрагмента відеозображення і визначаються центри кластерів, що відповідають кольору об'єктів вимірювань (фітопланктону) і фону. Кількість кластерів визначається на етапі навчання нейронної мережі і узгоджується з геометричними та видовими параметрами фітопланктону. Після закінчення етапу навчання ШНМ виконує сегментацію цифрових кольорових відеозображень, що містять вимірювальну інформацію.

Рис. 5. Послідовність перетворення та обробки вимірювальної інформації про ГПФ в автоматизованій системі

Ідентифікацію та розрахунок маси фітопланктону також виконано за допомогою ШНМ. В якості простору ознак для ідентифікації використано ГПФ. Кількість входів цієї мережі відповідає кількості геометричних параметрів, що використано для ідентифікації, а кількість виходів цієї мережі відповідає кількості видів фітопланктону при ідентифікації і розрахунку його маси. Для навчання ШНМ використано тестові відеозображення, що містять фітопланктон заздалегідь відомих видів.

Розглянуто виявлення центрів кластерів геометричних параметрів для двовимірного випадку з використанням ШНМ Кохонена. Кількість видів фітопланктону у досліджуваних пробах води попередньо невідома, а формується динамічно. Сформовано тестовий сигнал для ШНМ Кохонена, який складається з набору геометричних параметрів для 60 екземплярів фітопланктону, причому серед них є 6 різних видів фітопланктону по 10 екземплярів для кожного виду. ШНМ на виході визначає 6 центрів кластерів в режимі навчання.

Ідентифікація та обчислення маси фітопланктону в нейропроцесорі супроводжується виникненням ряду похибок, обумовлених обмеженою розрядністю цього процесора та похибками вхідних даних (геометричних параметрів). Тому було досліджено точнісні показники роботи ШНМ. Середньоквадратична похибка вихідного сигналу на виході нелінійного перетворювача ШНМ задається на основі загальних вимог до точності вимірювань в автоматизованій системі. Тому середньоквадратичне відхилення вхідного сигналу нелінійного перетворювача і одночасно вихідного сигналу суматора .

За умови, що дисперсії вхідних сигналів суматора є рівними між собою, дисперсії похибок вагових коефіцієнтів теж є рівними, отримано вираз середньоквадратичної похибки вхідних сигналів ШНМ:

Цей вираз дозволяє обчислити допустиму похибку визначення ГПФ в автоматизованій системі.

За результатами досліджень третього розділу подано заявку на видачу патенту України на винахід (№ а200709275 від 14.08.07).

В четвертому розділі виконано експериментальні дослідження і розглянуто практичне використання вимірювань ГПФ.

Визначено послідовність введення в комп'ютер, накопичення і алгоритмічної обробки відеоінформації з метою вимірювань ГПФ. Розроблено методику розрахунку точнісних характеристик результатів вимірювань. У даній методиці використано математичні моделі перетворення відеоінформації, розроблені в другому і третьому розділах. Початковими даними для розрахунку є технічні характеристики апаратних засобів і параметри методів алгоритмічної обробки відеозображень, що містять вимірювальну інформацію. Визначено склад і характеристики апаратних засобів, що забезпечують потрібні функціональні можливості, точність і швидкодію вимірювань.

Виконано експериментальні дослідження похибок вимірювань геометричних параметрів. Результатами цих досліджень підтверджено вірогідність розроблених математичних моделей перетворення відеоінформації в процесі вимірювань. Розбіжність результатів розрахунку за розробленою методикою на основі математичних моделей і результатів експериментальних досліджень складає 12 % для максимальної похибки і 20 % для середньоквадратичної похибки. При цьому враховувався той факт, що для підвищення швидкодії автоматизованої системи використано стиснення відеозображень, що містять вимірювальну інформацію про геометричні параметри. Таке стиснення реалізовано в стандартних технічних засобах формування відеозображень. Але при цьому спостерігається незначне збільшення похибки в допустимих межах (при стисненні в 25...30 разів).

Максимальна похибка визначення лінійних розмірів фітопланктону дорівнює ± 2 дискретні точки. При використанні мікроскопа MICROS MC-200 з вбудованою цифровою відеокамерою CAM-2800 і збільшенні 400ґ забезпечено точність вимірювань ГПФ ± 1,0 мкм.

Проведено експериментальні дослідження запропонованого методу ідентифікації та розрахунку маси фітопланктону на основі ШНМ. Результатами експериментальних досліджень підтверджено можливість практичної реалізації та впровадження розробленого методу ідентифікації та розрахунку маси фітопланктону. Приклад визначення геометричних параметрів, що використовуються в цьому методі для різних видів фітопланктону, наведено в таблиці 1.

Таблиця 1. Результати вимірювань ГПФ

Виявлено низку особливостей розвитку та зміни геометричних параметрів, суттєвих для та надійного водопостачання населення. Розроблено практичні заходи контролю за розвитком фітопланктону у цих водосховищах.

Результати ідентифікації та визначення маси фітопланктону р. Тетерів є такими: переважали синьозелені (56 %), діатомові (26 %) та зелені (16 %) фітопланктонні водорості.

Проведеними дослідженнями розвитку фітопланктону вказано на циклічність в змінах геометричних параметрів та маси фітопланктону у водосховищах р. Тетерів, яка є характерною для водойм з обмеженим водообміном. Домінують протягом всього вегетативного періоду діатомові водорості, у другій половині літа вони поступово замінюються синьозеленими водоростями.

Отримані експериментальні дані по геометричним параметрам та виявлені їх особливості узагальнено у вигляді лінійних та нелінійних статистичних математичних моделей процесів зміни ГПФ. Ці моделі можуть бути базою для прогнозування стану водойм господарсько-побутового призначення та розробки практичних засобів водопостачання м. Житомира.

В роботі розглянуто два шляхи статистичного моделювання процесів розвитку синьозелених водоростей у водосховищі “Дениші” та водозаборі “Відсічне” по середнім значення за три роки для двох водосховищ.

Перший метод полягав у тому, що побудовано статистичні математичні моделі. Визначено коефіцієнти поліному (табл. 2), що апроксимує експериментальні дані.

,

де mf - маса або кількість фітопланктону, - коефіцієнти поліному, - ступінь поліному, - номер місяця.

Поліном 5-го ступеня добре відображає динаміку розвитку геометричних параметрів та маси діатомових, синьо-зелених та зелених водоростей протягом року.

Таблиця 2. Коефіцієнти поліному 5-ого ступеня для апроксимації динаміки розвитку геометричних параметрів та маси фітопланктону

Другий метод статистичного моделювання змін геометричних параметрів та маси полягав у виборі типу апроксимуючої кривої і розрахунку коефіцієнтів кривої (ai, bi, ci) так, щоб апроксимуюча крива найбільш відповідала багаторічним експериментальним даним. Для дослідження процесів розвитку синьозелених водоростей виконано апроксимацію їх маси експонентою, для діатомових водоростей - синусоїдою, для зелених водоростей - лінійною кривою.

Автоматизовану систему для вимірювань ГПФ у водоймах впроваджено на Державному комунальному підприємстві "Житомирське виробниче управління водопровідно-каналізаційного господарства". Теоретичні результати досліджень впроваджено в навчальний процес Житомирського державного технологічного університету. Впровадження підтверджено відповідними актами.

Висновки

нейронний фітопланктон цифровий відеосигнал

Виконані в дисертаційній роботі дослідження дозволили вирішити важливу науково-технічну задачу - розширити функціональні можливості і підвищити швидкодію засобів вимірювань ГПФ у водоймах господарсько-побутового призначення. Головні результати і висновки по роботі:

1. Встановлено, що дослідження і контроль за станом водойм господарсько-побутового призначення потребує вимірювань ГПФ у пробах води з цих водойм. Результати вимірювань використано для ідентифікації і розрахунку маси фітопланктону, для оцінки якості питної води.

2. Створено новий метод вимірювань ГПФ у водоймах на основі ШНМ. Цей метод базується на використанні технічних засобів формування цифрових відеозображень, що містять вимірювальну інформацію про стан фітопланктону, та на алгоритмічній обробці таких відеозображень.

3. Визначено, що перетворення відеоінформації в процесі вимірювань супроводжується виникненням похибок, які суттєво впливають на точність вимірювань ГПФ. Основною похибкою є похибка, пов'язана із дискретністю цифрового відеозображення. Вона дорівнює половині відстані між сусідніми дискретними точками цифрового відеозображення. Ця похибка визначає максимально можливу точність вимірювань.

4. Показано, що визначення ГПФ включає вимірювання його геометричних розмірів та площі, розрахунок морфометричних ознак та коефіцієнтів форми. Створено методику отримання вимірювальної відеоінформації про ГПФ, що полягає у наступному: відбір і підготовка проб води з фітопланктоном з контрольних точок водойми; формування цифрового відеозображення за допомогою мікроскопа та пристрою формування відеозображень; введення відеозображень в обчислювальне середовище цифрової ЕОМ; алгоритмічна обробка відеозображень з метою вимірювання геометричних параметрів, об'єму і маси фітопланктону; прогноз динаміки розвитку фітопланктону у водоймі.

5. Вперше запропоновано використання математичного апарату ШНМ для обробки вимірювальної інформації про ГПФ, вимірювання цих параметрів та контролю за станом фітопланктону у водоймах. Розроблено методику ідентифікації та розрахунку маси фітопланктону на основі вимірювань його геометричних параметрів. В результаті визначається належність кожного екземпляра фітопланктону до одного з видів і розраховуються маса та інші показники стану водойми. Отримані результати дозволяють здійснювати контроль за станом водойм господарсько-побутового призначення.

6. Створено автоматизовану систему для вимірювань ГПФ у водоймах господарсько-побутового призначення. Ця система має розширені функціональні можливості і підвищену швидкодію вимірювань у порівнянні із іншими відомими засобами вимірювань. Час вимірювань однієї проби води складає 5 сек. на відміну від відомих засобів вимірювань, що потребують на цю операцію 30 хвилин. Максимальна похибка визначення лінійних розмірів фітопланктонних водоростей дорівнює ± 2 дискретні точки. При використанні мікроскопа MICROS MC-200 з вбудованою цифровою відеокамерою CAM-2800 і збільшенні 400ґ це забезпечує точність вимірювань лінійних розмірів фітопланктонних водоростей ± 1,0 мкм на відміну від відомих засобів вимірювань, у яких точність дорівнює 20 мкм в залежності від величини збільшення мікроскопу. Дані, отримані в результаті вимірювань, використано для ідентифікації та розрахунку маси фітопланктону і визначення показників, що характеризують стан водойми.

7. За допомогою розробленої автоматизованої системи вперше виявлено ряд особливостей процесів зміни геометричних параметрів і маси фітопланктону, характерних для водосховищ річки Тетерів. На основі отриманих результатів вимірювань розроблено комплекс практичних заходів по покращенню якості питної води для основних джерел водопостачання м. Житомира.

Література

Аристархова Е.О., Подчашинський Ю.О., Шавурська (Єльнікова) Т.О. Визначення та математичне моделювання показників розвитку водоростей у водосховищах на основі цифрової обробки відеозображень // Вісник Житомирського державного технологічного університету. - №2 (33). - Житомир, 2005. - С. 101-107.

Аристархова Е.О., Єльнікова Т.О., Куприєць О.Л., Трускавецька Л.М. Дослідження впливу біогенів на особливості розвитку евтрофних процесів у водосховищі Дениші // Вісник Житомирського державного технологічного університету. - № 3(38). - Житомир, 2006. - С. 130-133.

Бакка М.Т., Аристархова Е.О., Єльнікова Т.О., Подчашинський Ю.О. Дослідження динаміки процесів евтрофікації у водоймах господарсько-побутового призначення на основі комп'ютеризованих технологій обробки вимірювальної інформації // Восточно-европейский журнал передовых технологий. - Харьков, 2006. - С. 20-24.

Єльнікова Т.О. Еколого-гідрологічні дослідження Житомирської області на основі аналізу забруднення водних об'єктів // Вісник Житомирського державного технологічного університету. - №1 (36). - Житомир, 2006. - С. 130-136.

Єльнікова Т.О. Автоматична обробка вимірювальної інформації та контроль процесів евтрофікації у водоймах господарсько побутового призначення на основі штучних нейронних мереж // Вісник Житомирського державного технологічного університету. - №3 (42). -Житомир, 2007. - С. 107-112.

Безвесільна О.М., Єльнікова Т.О., Шавурська Л.Й. Результати досліджень процесів евтрофікації у водосховищах річки Тетерів // Вісник Інженерної Академії України. - 2007. - № 3. - С. 123-127.

Размещено на Allbest.ru