Détection automatique par des techniques de l’intelligence artificielle des indicateurs de contamination microbiologique dans les eaux de consommation
Benmahammed Khier, Saddek Bouharati
كلية العلوم الهندسية-جامعة فرحات عباس - سطيف1 · الجزائر
Les méthodes classiques de détection de la pollution microbiologique de l’eau sontbasées sur la détection des bactéries Escherichia coli qui sont considérées commeindicatrices de contamination. Ces méthodes utilisent des techniques simples delaboratoire. La détection de ces bactéries nécessite un temps excessivement long et desopérateurs qualifiés. Ainsi, Ces méthodes quantitatives et qualitatives utilisées pour laconfirmation de la présence ou l’absence de ces bactérie nécessitent une incubation de 24heures.Dans cette étude, nous proposons un nouveau système intelligent pour la détectionde la pollution microbiologique de l’eau. La méthode proposée est basée sur un systèmeutilisant les techniques de l’intelligence artificielle. Les données de départ sont lesvariations des paramètres physico-chimiques accompagnant la croissance bactériennedans un environnement flou (en plus de l’E. coli, d’autres bactéries peuvent coexister etinduisent des paramètres similaires). L’utilisation d’un modèle à logique floue, démontresa capacité de résolution des problèmes dont les données se trouvent dans unenvironnement incertain. Une autre analyse s’avère nécessaire en utilisant les réseaux deneurones artificiels. Le résultat du traitement des données peut être réuni dans un systèmeneuro-floue. Une fois le système élaboré, il sera possible de répondre à la contaminationen termes numérique et symbolique. Une base de données est construite à partir desanalyses expertes suivant les méthodes de laboratoire. Les résultats sont obtenus sur labase des mesures des variations des paramètres physico-chimiques engendrées par lacroissance bactérienne -la température ; le pH ; le potentiel électrique et la conductivitéélectrique- en correspondance avec le nombre bactérien dans différentes variétés d’eau(eaux de surface ; eaux souterraines ; eaux potables et eaux usées). Le résultat instantanéen nombre de bactéries devient alors possible juste par la lecture de ces paramètres àpartir des capteurs spécifiques.