הנדסת מים

49 at arbitrary angle relative to the polarimetric camera optical axis. To obtain the spatio-temporal water surface elevation from slopes map we apply the surface-from- slopes post processing utilizing state of the art computer vision algorithm of surface reconstruction from gradient fields algorithm2, aided by the data acquired by a single resistancet type wave gauge. Furthermore, we present capability to reconstruct the surface waves celeritiesy’s directly, without assuming simplified dispersion relation. The method’s performance is demonstrated to provide dense estimate of the water surface, efficiently and accurately reconstructing wave field parameters across the full range of wave lengths. We also discuss in detail the techniques for selection of optimal ANNs hyperparameters and the use of spatial filters to improve the signal-to-noise ratio while maintaining adequate spatio-temporal resolution. ANALYZING THE SECONDARY WASTEWATER-TREATMENT PROCESS USING FASTERR-CNN AND YOLOV5 OBJECT DETECTION ALGORITHMS O. Inbar, M. Shahar2, J. Gidron3, I. Cohen3, O. Menashe4, D. Avisar1 The activated sludge (AS) process is the most common type of secondary wastewater treatment, applied worldwide. Due to the complexity of microbial communities, imbalances between the different types of bacteria may occur and disturb the process, with pronounced economical and environmental consequences. Microscopic inspection of the morphology of flocs and microorganisms provides key information on AS properties and function. This is a time-consuming, highly skilled, and expensive process that is not readily available in all locations. Thus, most wastewater-treatment plants do not carry out this essential analysis, resulting in frequent operational faults. In this study, we develop a novel deep learning (DL) object detection algorithm to analyze and monitor the AS process based on a unique microscopic image database of flocs and microorganisms. Specifically, we applied YOLOv5 and Faster R-CNN algorithms as tools for segmentation and object detection to analyze the wastewater. The mean average precision (mAP) of the YOLOv5 was 0.67, outperforming the Faster R-CNN by 15%. Histogram equalization preprocessing of both bright-field and phase-contrast images significantly improved the results of the algorithm in all classes. In the case of YOLOv5, the mAP increased by 16.67%, to 0.77, where the AP of protozoa, filaments, and open floc classes outperformed the previous model by over 20%. These results demonstrate the potential of leveraging DL algorithms to enhance the analysis and monitoring of WWTPs in an affordable manner, consequently reducing environmental pollution caused by contaminated effluent. The fundamental challenge addressed herein has important global relevance, especially in an era in which the demand for high-quality wastewater reuse is expected to increase dramatically. MDM במערכות LLM שילוב לניהול משאבי מים IOT קבוצת ארד, מפתחת ומספקת מערכות של תאגידים בארץ ובעולם. כמובילה טכנולוגית, ארד מספקת פתרונות המשלבים את טכנולוגיות מתקדמות בתחום ניהול ועיבוד המידע. לאחרונה, ארד אשר AI חדשה המשלבת טכנולוגיות MDM השיקה פלטפורמת עושות שימוש במרחב הנתונים המגיעים מהשטח ושילוב של נתונים ממערכות משיקות. הוא השימוש ביכולות DATA אחד היישומים המעניינים בתחום ה . פלטפורמת ChatGPT ) כגון LLM של מודלי שפה מתקדמים ( ) משלבת בתוכה יכולות העושות Harmony של ארד ( MDM ה שימוש בטכנולוגיה זו ומאפשרות למשתמש להפיק תובנות מהמידע הקיים תוך שימוש בשפת אדם וללא צורך בהיכרות מעמיקה של מבנה הנתונים. כך למשל, יכול המשתמש לבקש חיתוכים שונים וניתוח של המידע מבלי שיפותח עבורו דו”ח ייעודי. למשל : “הצג ניתוח של צריכות המים ברבעון האחרון על פי קוטר המד” או כל שאלה בסגנון. שימוש נוסף יכול לבוא באפליקציה לצרכן הפרטי, בה משולב ) אשר מייעץ למשתמש ומסייע לו Chatbot “עוזר וירטואלי” ( לחסוך במים ולתפעל תקלות. השימוש במודלי שפה פותח אפשרויות רבות ובוודאי שישפיע על הפתרונות העתידיים בתחום ההידרו-אינפורמטיקה. אולם, יחד עם התועלות, ישנם סיכונים ואתגרים מתחום אבטחת המידע, הגנת ) שיש להיערך אליהם. IP הפרטיות והקניין העסקי(