Nowatorskie podejście do tomografii impedancyjnej: uczenie maszynowe i pomiary wieloczęstotliwościowe zmieniają jakość obrazowania 

W odpowiedzi na rosnące potrzeby przemysłu w zakresie precyzyjnej diagnostyki procesów zachodzących wewnątrz zbiorników technologicznych, zespół naukowców z Politechniki Lubelskiej, Akademii WSEI oraz firmy Netrix S.A. opracował przełomową metodę rekonstrukcji obrazów w tomografii impedancyjnej (EIT). Zastosowanie uczenia maszynowego w połączeniu z pomiarami wieloczęstotliwościowymi pozwoliło osiągnąć niespotykaną dotąd dokładność odwzorowania wnętrza reaktorów przemysłowych, czyniąc to podejście jednym z najbardziej zaawansowanych rozwiązań w tej dziedzinie. 

Dotychczasowe techniki EIT najczęściej opierały się na jednofazowych pomiarach impedancji elektrycznej, ograniczając się do pojedynczej częstotliwości sygnału. Nowe podejście eliminuje to ograniczenie, wykorzystując trzy różne częstotliwości – 10 kHz, 50 kHz i 100 kHz – co umożliwia pozyskiwanie bardziej złożonych danych, uwzględniających zarówno komponenty rezystywne, jak i reaktancyjne sygnału. Taka strategia pozwala uzyskać pełniejszy obraz dystrybucji właściwości elektrycznych wewnątrz badanego medium. 

W celu przetworzenia tej złożonej, wielowymiarowej informacji pomiarowej, badacze zastosowali architekturę sieci neuronowej typu LSTM (Long Short-Term Memory), zaprojektowaną specjalnie do pracy z danymi sekwencyjnymi i zmiennoczęstotliwościowymi. Każdy zestaw danych wejściowych zawierał 448 zespolonych wartości – pochodzących z różnych częstotliwości – co znacząco przewyższa możliwości tradycyjnych modeli, operujących jedynie na wartościach rzeczywistych. Pozwoliło to na znacznie lepsze odwzorowanie struktury badanego obiektu i zwiększenie odporności na szumy pomiarowe. 

Porównania przeprowadzonych rekonstrukcji wykazały, że model oparty na analizie wieloczęstotliwościowej (MF) osiąga zauważalnie lepsze wyniki w porównaniu ze standardowym podejściem jednoczęstotliwościowym (NF). Błąd średniokwadratowy (MSE) uległ redukcji o około 30%, wartość wskaźnika PSNR wzrosła o 1,5–2 dB, a miary takie jak SSIM oraz ICC wykazały wyraźnie lepszą zgodność z referencyjnym obrazem wzorcowym. Rekonstrukcje uzyskane przy użyciu modelu MF wykazały większą wierność strukturalną, co ma kluczowe znaczenie w kontekście zastosowań przemysłowych. 

Znaczenie tej technologii wykracza poza samą poprawę jakości obrazowania. Opracowana metoda znacząco zwiększa precyzję diagnostyki wewnątrz zbiorników procesowych, redukuje wpływ zakłóceń pomiarowych oraz umożliwia dalszą automatyzację monitorowania dzięki wykorzystaniu mechanizmów sztucznej inteligencji. Takie podejście otwiera drogę do nowej generacji systemów EIT, które mogą być z powodzeniem stosowane w przemyśle chemicznym, spożywczym, farmaceutycznym czy energetycznym. 

Wyniki badań zostały zaprezentowane podczas prestiżowej konferencji ACM SenSys 2024 w Hangzhou i opublikowane w materiałach pokonferencyjnych. Szczegółowa dokumentacja techniczna oraz pełna wersja publikacji dostępna jest pod adresem: link do publikacji