Détection automatique par des techniques de l’intelligence artificielle des indicateurs de contamination microbiologique dans les eaux de consommation

Abstract

Les méthodes classiques de détection de la pollution microbiologique de l’eau sont basées sur la détection des bactéries Escherichia coli qui sont considérées comme indicatrices de contamination. Ces méthodes utilisent des techniques simples de laboratoire. La détection de ces bactéries nécessite un temps excessivement long et des opérateurs qualifiés. Ainsi, Ces méthodes quantitatives et qualitatives utilisées pour la confirmation de la présence ou l’absence de ces bactérie nécessitent une incubation de 24 heures. Dans cette étude, nous proposons un nouveau système intelligent pour la détection de la pollution microbiologique de l’eau. La méthode proposée est basée sur un système utilisant les techniques de l’intelligence artificielle. Les données de départ sont les variations des paramètres physico-chimiques accompagnant la croissance bactérienne dans un environnement flou (en plus de l’E. coli, d’autres bactéries peuvent coexister et induisent des paramètres similaires). L’utilisation d’un modèle à logique floue, démontre sa capacité de résolution des problèmes dont les données se trouvent dans un environnement incertain. Une autre analyse s’avère nécessaire en utilisant les réseaux de neurones artificiels. Le résultat du traitement des données peut être réuni dans un système neuro-floue. Une fois le système élaboré, il sera possible de répondre à la contamination en termes numérique et symbolique. Une base de données est construite à partir des analyses expertes suivant les méthodes de laboratoire. Les résultats sont obtenus sur la base des mesures des variations des paramètres physico-chimiques engendrées par la croissance bactérienne -la température ; le pH ; le potentiel électrique et la conductivité électrique- en correspondance avec le nombre bactérien dans différentes variétés d’eau (eaux de surface ; eaux souterraines ; eaux potables et eaux usées). Le résultat instantané en nombre de bactéries devient alors possible juste par la lecture de ces paramètres à partir des capteurs spécifiques.