Real-time estimation of quantitative fermentation parameters using wireless electrical tomography and deep neural networks
Artykuł w czasopiśmie
MNiSW
0
brak dyscyplin
| Status: | |
| Warianty tytułu: |
Szacowanie ilościowych parametrów fermentacji w czasie rzeczywistym przy użyciu bezprzewodowej tomografii elektrycznej i głębokich sieci neuronowych
|
| Autorzy: | Król Krzysztof, Kulisz Monika, Kłosowski Grzegorz, Rymarczyk Tomasz, Gauda Konrad, Wójcik Dariusz |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2026 |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Numer czasopisma: | 4 |
| Wolumen/Tom: | 102 |
| Numer artykułu: | 12 |
| Strony: | 71 - 76 |
| Scopus® Cytowania: | 0 |
| Bazy: | Scopus | BazTech |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Otwarte czasopismo |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 22 kwietnia 2026 |
| Abstrakty: | angielski | polski |
| This study presents a novel, wireless monitoring platform designed for non-invasive and continuous supervision of alcoholic fermentation processes using Electrical Impedance Tomography (EIT). The developed system constitutes a mobile, energy-efficient embedded node tailored for operation within distributed, intelligent production environments, including bioreactors. The solution integrates a dedicated analog front-end with Wi-Fi connectivity and an image reconstruction module, enabling the tracking of spatial conductivity changes in the liquid. The platform facilitates real time observation via edge devices and mobile applications, ensuring seamless integration with Industrial Internet of Things (IIoT) ecosystems. Experimental validation confirmed the system’s capability to detect CO₂ evolution, stratification phenomena, and medium conductivity variations, utilizing real-time image acquisition and wireless data streaming. The approach combines embedded sensing, wireless networking, and machine learning to advance autonomous mo bile bioprocess monitoring. It was demonstrated that the EIT platform, supported by a deep neural network regression model, allows for non-invasive, quantitative estimation of substrate and ethanol concentrations with accuracy adequate for monitoring critical process phases. | |
| W pracy przedstawiono nowatorską platformę do bezprzewodowego monitorowania, umożliwiającą nieinwazyjną i ciągłą obserwację procesu fermentacji alkoholowej z wykorzystaniem elektrycznej tomografii impedancyjnej (EIT). Opracowany system stanowi mobilny i energooszczędny węzeł wbudowany, przystosowany do działania w rozproszonych, inteligentnych środowiskach produkcyjnych, takich jak bioreaktory. Rozwiązanie integruje dedykowany analogowy układ wejściowy z łącznością Wi-Fi oraz modułem rekonstrukcji obrazu, co pozwala na śledzenie przestrzennych zmian konduktywności cieczy. Platforma wspiera bieżącą obserwację z poziomu urządzeń brzegowych, ułatwiając implementację w ekosystemach Przemysłowego Internetu Rzeczy (IIoT). Przeprowadzone eksperymenty potwierdziły zdolność systemu do detekcji wydzielania CO₂, efektów stratyfikacji oraz zmian przewodności medium przy jednoczesnym przesyłaniu danych w czasie rzeczywistym. Zaprezentowane podejście łączy technologię systemów wbudowanych, sieci bezprzewodowe i uczenie maszynowe, stanowiąc krok w kierunku autonomicznych systemów monitorowania bioprocesów. Wykazano, że platforma EIT wsparta modelem regresji opartym na głębokich sieciach neuronowych umożliwia ilościowe szacowanie stężenia substratu i etanolu z dokładnością wystarczającą do nadzoru nad krytycznymi fazami procesu. |
