A cor que observamos em um corpo d’água (um rio, um lago, um oceano ou até mesmo um copo d’água) é o resultado da interação da luz com as substâncias dissolvidas e partículas em suspensão.
Essas substâncias absorvem e espalham diferentes comprimentos de onda da luz, resultando na cor que percebemos. Nesse sentido, dois tipos principais de cor podem ser distinguidos na água:
Cor aparente: é a cor observada a olho nu em uma amostra de água. Inclui o efeito de partículas em suspensão, como sedimentos, argila e algas, bem como substâncias dissolvidas. É o que se observa em um rio turvo ou em um lago esverdeado.
Cor verdadeira: Mede-se após remover todas as partículas em suspensão (por filtração ou centrifugação). Representa a cor devida exclusivamente a substâncias dissolvidas na água, como matéria orgânica dissolvida colorida (CDOM), ácidos húmicos e fúlvicos e íons metálicos. A água pura, por exemplo, apresenta uma leve tonalidade azul intrínseca devido à absorção de luz vermelha pelas moléculas de água.
No entanto, identificar e medir a cor da água é um processo complexo devido à variedade de componentes que contribuem para a cor, à influência de fatores ambientais e às limitações inerentes aos métodos de medição, tanto visuais quanto instrumentais, bem como remotos. Um resumo dessas questões é apresentado a seguir:
Tabela 1
Problemas para identificar ou medir a cor da água
Esses desafios são exatamente o que a inteligência artificial busca abordar, melhorando a precisão, a automação e a capacidade preditiva nesse campo. Portanto, esta pesquisa explorará a interseção entre a cor da água e a IA por meio de uma revisão da literatura recente, identificando os principais estudos publicados em periódicos científicos e acadêmicos.
Resultados
Abaixo estão três estudos que usam a cor da água como um indicador importante para analisar e monitorar corpos d’água.
No primeiro estudo, os pesquisadores desenvolveram um sistema que discrimina a qualidade da água a partir de imagens da cor da água, utilizando redes neurais artificiais e o algoritmo de otimização Levenberg-Marquardt. Eles alcançaram alta precisão na identificação automática da qualidade da água por meio da análise de cor em imagens (Ni, Xie, Yang, & Chen, 2021). No segundo estudo, os pesquisadores avaliaram modelos de inteligência artificial (redes neurais, programação genética, sistemas neuro-fuzzy) para prever a concentração de ficocianina, um pigmento relacionado à qualidade e cor da água, usando variáveis como temperatura, pH, condutividade e oxigênio dissolvido. O modelo ANFIS-SC apresentou a maior precisão. (Heddam, Sanikhani, & Kisi, 2019). Ver Tabela 2.
Comparação entre pesquisas
No entanto, um terceiro estudo indica que os pesquisadores usaram ferramentas de aprendizado profundo, como redes neurais convolucionais (CNNs) e AlexNet com aprendizagem de transferência, para detectar, categorizar e quantificar automaticamente os valores de cor aceitáveis e inaceitáveis do efluente têxtil (Yusoff, Chew, Chong e Wan, 2024).
Reflexões
Pesquisas recentes demonstram que a inteligência artificial, especialmente as redes neurais, são ferramentas eficazes para analisar a cor da água e prever variáveis relacionadas à qualidade, como a concentração de pigmentos. Além disso, os avanços no processamento de imagens coloridas com IA abrem novas possibilidades para automatizar e aprimorar a precisão do monitoramento ambiental. Recomenda-se a realização de mais estudos integrando a análise de imagens coloridas da água com variáveis físicas e químicas, utilizando modelos híbridos de IA para aprimorar a detecção precoce de alterações na qualidade da água e seu impacto ambiental.
Fonte: iagua
