Методологія побудови автоматизованої системи оперативного моніторингу окремих параметрів виробництва біогазу

Скорочена інформація про документ
dc.contributor.authorПавлов, Сергій Григорович
dc.contributor.authorЛисенко, Віталій Пилипович
dc.contributor.authorЛендєл, Тарас Іванович
dc.contributor.authorНаконечна, Катерина Віталіївна
dc.date.accessioned2026-04-09T10:37:39Z
dc.date.available2026-04-09T10:37:39Z
dc.date.issued2026
dc.description.abstractЗапропоновано методологію побудови автоматизованої системи оперативного моніторингу окремих параметрів виробництва біогазу - температурного режиму та візуально-статистичних ознак субстрату (середнє значення пікселів, стандартне відхилення, асиметрія, ексцес). Система інтегрує чотири функціональні підсистеми: мобільний IoT-моніторинг середовища на базі мікроконтролера ESP32 із передачею даних через протокол MQTT, технології комп'ютерного зору для експрес-оцінки якості біосировини методом Оцу з попереднім застосуванням CLAHE, ансамбль алгоритмів машинного навчання (XGBoost, LSTM, ResNet-50) для прогнозування виходу біогазу та узагальнену функцію бажаності Харрінгтона для формування рекомендацій оператору. Систематизовано математичний апарат системи: формули обчислення статистичних ознак зображення, метод кількісної оцінки якості на основі нормалізованої відстані від референсних значень, подвійну експоненціальну функцію бажаності з лінійною нормалізацією та метрики регресійного аналізу. Оперативність системи забезпечується передачею даних від IoT-пристрою до хмарної інфраструктури Amazon Web Services менш ніж за 5 секунд та повним циклом обробки - від отримання зображення до видачі рекомендації оператору – за 3,2 хвилини, що суттєво менше характерних часових констант процесу анаеробного зброджування. Архітектура реалізована за розімкненою схемою, де результатом роботи є не безпосередній вплив на виконавчі механізми, а формування рекомендацій для оператора з класифікацією стану біосировини за п'ятьма рівнями якості. Порівняльний аналіз п'яти методів сегментації на наборі з 26 зображень підтвердив перевагу методу CLAHE + Otsu з найнижчим коефіцієнтом варіації 3,63 %. Аналіз важливості параметрів методом Random Forest показав, що візуальна оцінка якості є найбільш впливовим предиктором із відносною важливістю 0,301. Результати 6-місячного тестування на пілотній установці підтвердили ефективність підходу: збір 98,6 % запланованих вимірювань, коефіцієнт детермінації прогностичної моделі R² = 0,91 після циклу донавчання на 100 валідованих записах, зменшення RMSE на 42,6 % – з 0,61 до 0,35 м³/добу
dc.description.abstractotherA methodology for building an automated system for real-time monitoring of selected biogas production parameters – temperature regime and visual-statistical features of the substrate (mean pixel value, standard deviation, skewness, kurtosis) - is proposed. The system integrates four functional subsystems: mobile IoT-based environmental monitoring using an ESP32 microcontroller with data transmission via the MQTT protocol, computer vision technologies for rapid biomass quality assessment using the Otsu method with prior application of CLAHE, an ensemble of machine learning algorithms (XGBoost, LSTM, ResNet-50) for biogas yield prediction, and the Harrington generalized desirability function for generating operator recommendations. The mathematical framework of the system is systematized, including formulas for computing image statistical features, a quality assessment method based on normalized distance from reference values, a double exponential desirability function with linear normalization, and regression analysis metrics. The system's responsiveness is ensured by data transmission from the IoT device to the Amazon Web Services cloud infrastructure in under 5 seconds and a complete processing cycle - from image acquisition to operator recommendation – in 3.2 minutes, which is substantially less than the characteristic time constants of the anaerobic digestion process. The architecture follows an open-loop scheme, where the system output is not a direct control action but rather operator recommendations with biomass condition classification across five quality levels. A comparative analysis of five segmentation methods on a set of 26 images confirmed the advantage of the CLAHE + Otsu method with the lowest coefficient of variation of 3.63 %. Feature importance analysis using Random Forest showed that the visual quality score is the most influential predictor with a relative importance of 0.301. The results of 6-month pilot plant testing confirmed the effectiveness of the approach: 98.6 % of scheduled measurements collected, predictive model coefficient of determination R² = 0.91 after a retraining cycle on 100 validated records, and RMSE reduction of 42.6 % – from 0.61 to 0.35 m³/day.
dc.format.pagerangeС. 53-61
dc.identifier.citationМетодологія побудови автоматизованої системи оперативного моніторингу окремих параметрів виробництва біогазу / Павлов С. Г., Лисенко В. П., Лендєл Т. І., Наконечна К. В. // Вісник НТУУ «КПІ ім. Ігоря Сікорського». Серія «Хімічна інженерія, екологія та ресурсозбереження». – 2026. – № 1(25). – С. 53-61. – Бібліогр.: 13 назв.
dc.identifier.doihttps://doi.org/10.20535/2617-9741.1.2026.354346
dc.identifier.orcid0009-0001-3343-5508
dc.identifier.orcid0000-0002-5659-6806
dc.identifier.orcid0000-0002-6356-1230
dc.identifier.orcid0000-0002-1537-7201
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/80071
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.relation.ispartofВісник НТУУ «КПІ ім. Ігоря Сікорського». Серія «Хімічна інженерія, екологія та ресурсозбереження», № 1 (25), 2026
dc.rights.urihttps://creativecommons.org/licenses/by/4.0/
dc.subjectбіогазова установка
dc.subjectоперативний моніторинг
dc.subjectкомп’ютерний зір
dc.subjectмашинне навчання
dc.subjectIoT
dc.subjectфункція бажаності Харрінгтона
dc.subjectхмарні сервіси
dc.subjectпідтримка прийняття рішень
dc.subjectbiogas plant
dc.subjectreal-time monitoring
dc.subjectcomputer vision
dc.subjectmachine learning
dc.subjectHarrington desirability function
dc.subjectcloud services
dc.subjectdecision support
dc.subject.udc004.85:662.63
dc.titleМетодологія побудови автоматизованої системи оперативного моніторингу окремих параметрів виробництва біогазу
dc.title.alternativeMethodology for building an automated system for operational monitoring of individual biogas production parameters
dc.typeArticle

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
9-27.pdf
Розмір:
3.48 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Вісник НТУУ «КПІ ім. Ігоря Сікорського». Серія «Хімічна інженерія, екологія та ресурсозбереження»: збірник наукових праць, № 1 (25)