هاجر فیضی - دانش آموخته دکتری، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
محمدتقی ستاری - دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
محمد مسافری - استاد، گروه مهندسی بهداشت محیط، دانشکده بهداشت، دانشگاه علوم پزشکی تبریز، تبریز، ایران

ازجمله پارامترهای مهم در کیفیت آب، میزان کدورت و عمق نفوذ نور در آب است. یکی از روش های رایج برای تعیین کدورت آب استفاده از دیسک سکی است، اما این روش زمان بر و پرهزینه است، بنابراین باید یک روش جایگزین در نظر گرفت. روش های یادگیری عمیق می توانند نقش مهمی در این زمینه ایفا کنند. هدف از این مطالعه، طبقه بندی کیفیت آب بر اساس کدورت و عمق دیسک سکی با استفاده از روش شبکه عصبی کانولوشن اجرا شده در محیط برنامه نویسی پایتون بود. بدین منظور از یک مخزن شبیه سازی شده در آزمایشگاه استفاده شد و گام به گام با افزایش خاک رس به آب مخزن، میزان کدورت آن افزایش داده شد. همزمان با اندازه گیری عمق دیسک سکی و کدورت آب، از نمونه ها تصویربرداری انجام گرفت. این تصاویر همراه با داده های به دست آمده به شبکه عصبی کانولوشن داده شد. نتایج نشان داد که شبکه عصبی کانولوشن با تعداد ۳۰۰ تکرار می تواند کلاس کیفی آب را با دقت ۹۵% و آماره کاپا ۹۳% تخمین بزند و تنها ۵%خطا دارد.

آزمایشگاه, تصویر, کیفیت آب, نرم افزار پایتون, یادگیری عمیق