Impulsada por la asombrosa velocidad de desarrollo de nuevas redes neuronales, la visión por computador se ha convertido en apenas unos años en uno de los ámbitos en los que la inteligencia artificial es más tangible. Desde la biometría para la seguridad hasta los popularísimos servicios para generar imágenes o vídeos, la visión por computador está hoy en día detrás de muchas de las innovaciones tecnológicas de mayor impacto en múltiples sectores. Ahora es el turno del sector del agua.
El tratamiento del agua potable y las aguas residuales juega un papel central en la configuración de nuestro futuro global. El cambio climático y la presión demográfica se manifiestan con mayor intensidad cada día y con ello se incrementa la tensión sobre la disponibilidad de agua. Así, el incremento demográfico de más de 1.000 millones de personas en el horizonte del año 2030 supondrá un aumento de las necesidades de agua superior al 40%, y para el año 2050 se necesitará un 60% más de agua para la agricultura debido al crecimiento demográfico y el cambio en los hábitos alimenticios.
Además, habrá otros incrementos destacables, como el uso del agua para la generación y producción de energía, que se estima crecerá un 85% para 2035 según la Agencia Internacional de la Energía. La presión derivada de la necesidad de aumentar el volumen de agua también se verá exacerbada por el cambio climático, que no solo erosionará la disponibilidad de agua, sino que también tendrá un impacto negativo sobre el medio ambiente y la biodiversidad.
En este contexto, el tratamiento de aguas está claramente señalado como una preocupación importante por diversos Objetivos de Desarrollo Sostenible (ODS). La mejora continua en los procesos de tratamiento de aguas se ha convertido por lo tanto en un objetivo importante para todo el ecosistema de actores del agua, desde las organizaciones de investigación hasta empresas de servicios públicos. En el caso específico de las operadoras de aguas residuales, este escenario se concreta en la implementación de una visión novedosa para las estaciones depuradoras de aguas residuales (EDAR) tradicionales: las biofactorías. Estas impulsan la transición hacia una economía circular al garantizar operaciones de alta eficiencia y permitir la recuperación de subproductos de valor agregado y energía de las aguas residuales.
Sin embargo, la transición hacia las biofactorías plantea desafíos importantes para el sector del agua. El objetivo es claro: mejorar la eficiencia de los procesos de tratamiento de aguas y permitir escenarios de economía circular manteniendo los costos operativos bajo control. Sobre la base de infraestructuras ampliamente distribuidas, se requieren enfoques novedosos de monitorización y control de procesos.
El auge de las tecnologías digitales está definiendo el camino para esa transición. En las últimas dos décadas se ha desarrollado un flujo constante de soluciones destinadas a mejorar la eficiencia en la operación del sector del agua. Sin embargo, implementar el concepto de agua digital en los procesos de tratamiento de aguas sigue presentando grandes desafíos relacionados con el costo operativo y la escalabilidad de las soluciones.
Dentro del mundo digital, la Inteligencia Artificial (IA) se ha convertido en la herramienta más prometedora para abordar el desafiante escenario del tratamiento del agua y las aguas residuales. Sin embargo, por su propio carácter exploratorio, el uso de la inteligencia artificial plantea aún incertidumbres en el contexto altamente crítico de la operación de sistemas de agua. Además, disponer de datos para el desarrollo de modelos de IA exige a menudo la instalación de sensores dedicados que aseguren un caudal de datos de calidad.
El Deep Learning aplicado a la visión por computador puede aportar la clave para superar esas limitaciones. El impulso exponencial de los sistemas de visión por computador basados en redes neuronales y las tarjetas de procesamiento de gráficos (GPU) ha abierto un escenario completamente nuevo con múltiples aplicaciones, como la conducción autónoma, el análisis de imágenes médicas o el control de defectos en la fabricación.
La transferencia de esas capacidades al tratamiento de aguas brinda grandes oportunidades para afrontar los enormes retos del cambio climático y desplegar plenamente el concepto de la biofactoría. Es necesario, no obstante, combinar la visión estratégica y táctica para enfocar los grandes esfuerzos de investigación y desarrollo y ofrecer, al mismo tiempo, aplicaciones listas para proporcionar valor inmediato a las operaciones del ciclo del agua.
Desde este enfoque, el listado de aplicaciones en el ámbito del tratamiento de aguas es extenso y significativo. Las soluciones basadas en visión por computador pueden servir para monitorizar de manera automática el estado de múltiples activos y procesos del ciclo del agua y generar alertas cuando se detecten situaciones que requieran de una actuación. Desde la aparición de espumas en los procesos de tratamiento de aguas residuales hasta la detección de obstrucciones o defectos en redes de distribución o saneamiento, los casos de uso con alto impacto operativo se multiplican. Desde el impulso de la I+D se abordan también problemáticas de mayor complejidad como el análisis de la calidad del agua o de los subproductos de la depuración en escenarios de economía circular.
Implementar el concepto de agua digital en los procesos de tratamiento de aguas presenta grandes desafíos relacionados con el costo operativo y la escalabilidad de las soluciones.
Nuestro país juega un papel relevante en el desarrollo de la visión por computador para el ciclo del agua. Un ejemplo destacado lo tenemos en la actividad que impulsa el grupo Agbar a través de su centro tecnológico, Cetaqua. El equipo digital de Cetaqua tiene una línea de investigación centrada en el desarrollo de soluciones de visión por computador que ha generado en los últimos dos años resultados que se han transferido con éxito a las operaciones del ciclo del agua.
Así, en el ámbito del tratamiento de aguas residuales, se ha construido un sistema para la detección y la mitigación de los episodios de formación de espumas en plantas. Cetaqua ha desarrollado un sistema de visión por computador que es capaz de analizar imágenes en diversos puntos de las plantas, detectar y cuantificar la presencia de espumas y notificar al personal de operaciones cuando se producen eventos que requieren de una actuación. Esta solución se está pilotando ya en diversas plantas operadas por Agbar como la EDAR de Begudà, en Girona. Se trabaja también en paralelo en diversas casuísticas adicionales como la detección de hidrocarburos o de presencia de toallitas en estaciones de bombeo.
En el ámbito del tratamiento de aguas residuales, se ha construido un sistema para la detección y la mitigación de los episodios de formación de espumas en plantas. Cetaqua ha desarrollado un sistema de visión por computador que es capaz de analizar imágenes, detectar y cuantificar la presencia de espumas y notificar a los operadores cuando se requieren de una actuación.
Adicionalmente, se están explorando también aplicaciones en el tratamiento de agua potable. En la Estación de Tratamiento de Agua Potable (ETAP) de Sant Joan Despí, de Aigües de Barcelona, se está trabajando en el análisis de diversos parámetros de calidad de aguas mediante visión por computador, con un foco inicial en la detección de algas. El objetivo de este sistema es hacer posible un ajuste inteligente de la dosificación de químicos en función de la concentración de algas detectada.
De la operación basada en la monitorización constante a la centrada en la gestión de eventos, estos casos permiten ejemplificar el verdadero impacto de la inteligencia artificial y, más específicamente, de la visión por computador sobre las operaciones del ciclo del agua.
La visión por computador reclama también su espacio como elemento facilitador de la economía circular. Los trabajos aún emergentes en análisis de imagen hiperspectral, aplicados a la recuperación de subproductos del tratamiento de aguas residuales, buscan simplificar las a menudo complejas analíticas y proporcionar al personal de operaciones visibilidad sobre los parámetros clave de calidad de los subproductos.
Por último, el despliegue de una infraestructura de visión por computador a lo largo y ancho de del ciclo del agua ofrece un valor añadido adicional relacionado con la escalabilidad de las operaciones. Disponer de cámaras en los procesos clave de las plantas de agua habilita no solo el monitoreo inteligente a través de Computer Vision, sino también la inspección visual remota. Eso permitirá una ampliación masiva en la cantidad de operaciones con monitorización continua y un consecuente aumento de la resiliencia de la red en general.
La aplicación de la visión por computador al ciclo del agua se alimenta de la extraordinaria velocidad de innovación de las técnicas de Deep Learning. Las redes neuronales convolucionales (CNN) han sido un gran avance para la visión artificial, con nuevas arquitecturas que mejoran exponencialmente la capacidad de reconocimiento de objetos y segmentación de imagen y hacen posible su aplicación al análisis de masas de agua. Gracias a las librerías de código abierto generadas por grandes nombres de la industria digital, como Detectron2 de Facebook, hoy es posible entrenar modelos de visión por computador que aprenden a reconocer las complejas características de una masa de agua. Además, el análisis de imágenes no visibles proporciona funcionalidades adicionales y permite caracterizar los parámetros clave de calidad en los procesos de tratamiento de aguas.
Aún más allá, algunas de las líneas de investigación más actuales trabajan en la aplicación de avances de última generación en inteligencia artificial a las casuísticas específicas del ciclo del agua. Así, el potencial de concepto como los Transformers o las Generative Adversarial Networks (que están detrás de proyectos de máxima actualidad como Dall-E) se está evaluando ya en el contexto de la monitorización de procesos del agua.
El Deep Learning aplicado a la visión por computador puede aportar la clave para superar esas limitaciones.
Estamos, por tanto, ante una verdadera vía rápida para la digitalización del ciclo del agua. Una herramienta avanzada que propulsa el cambio de modelo de operación y la eficiencia del ciclo del agua: las personas gestionan eventos significativos en lugar de monitorizar procesos a tiempo completo y las máquinas vigilan las actividades y aprenden a detectar los eventos clave de los procesos.
Así, la visión por computador está llamada a generar un nuevo escenario de servicios digitales basados en la capacidad de detección temprana de eventos y la alerta inteligente sobre anomalías en los procesos. Una vez más, el camino se basa en repartir de manera inteligente el trabajo entre las máquinas y las personas. La combinación de la fuerza bruta de la inteligencia artificial y el conocimiento experto de las personas operadoras de agua a la hora de etiquetar imágenes y definir eventos es clave para asegurar la máxima utilidad de los resultados. El futuro, ahora.
Actualidad, reportajes, revista digital, podcasts y más.
