Développement d’un algorithme d’apprentissage profond pour l’estimation de la concentration des polluants aquatiques par spectroscopie dans le visible et l’infrarouge

La pollution de l’eau, aggravée par les changements climatiques et la croissance démographique, constitue une menace croissante pour la santé publique et les écosystèmes. En 2023, plus de 142 000 tonnes de polluants ont été rejetées dans les cours d’eau canadiens, selon l’Inventaire National des Rejets de Polluants. Face aux limites des méthodes de surveillance traditionnelles — coûts élevés, couverture restreinte et absence de données en temps réel — ce projet vise à développer un algorithme d’apprentissage profond capable d’analyser des données spectroscopiques UV-VIS-NIR pour estimer la concentration de polluants aquatiques. Ce modèle sera intégré à un laboratoire miniaturisé embarqué sur les DuckBots, des robots flottants intelligents déployés dans le cadre de la solution AquaBots par la start-up HydroSurveillance Inc. L’objectif est de permettre une détection en temps réel, continue et précise de divers contaminants. La méthodologie comprend la collecte de spectres à partir d’échantillons d’eau, suivie de l’entraînement et de la validation d’un réseau de neurones profond optimisé en laboratoire et sur le terrain. Ce projet contribuera à l’amélioration des technologies de surveillance environnementale et à une gestion plus proactive de la qualité de l’eau au Canada.

Faculty Supervisor:

Karem Chokmani

Student:

Partner:

AquaBots

Discipline:

Computer science

Sector:

Professional, scientific and technical services

University:

Université du Québec : Institut national de la recherche scientifique

Program: