2 de junio, 2021 Novedades Industria Agua comentarios Bookmark and Share
< Volver

La empresa Depuración de Aguas del Mediterráneo (DAM) y el Instituto de Bioingeniería de Cataluña (IBEC) han desarrollado un dron provisto de sensores químicos que proporciona información, en tiempo real, sobre la intensidad y la localización de los focos de olor en las estaciones depuradoras de aguas residuales (EDAR). El sistema ha sido calibrado y validado en condiciones reales de operación en la EDAR de Molina de Segura (Murcia).

Los malos olores producidos por las EDAR se han erigido como una preocupación creciente en las ciudades y localidades que albergan estas instalaciones, siendo consideradas por los ciudadanos la principal causa de la percepción de la contaminación, junto con el polvo y el ruido. Ahora, y gracias a una colaboración entre DAM e IBEC se abre una nueva vía para detectar y tratar dichos olores.

La solución consiste en el uso de drones con sensores químicos con información sobre focos de olor. Y es el resultado del proyecto SniffDrone (Monitorización de olores mediante drones con fines medioambientales), cuyos resultados obtenidos "son muy positivos y representan un avance significativo en el ámbito de la gestión de los olores en la EDAR", según los investigadores. "El nuevo sistema ayudará a tomar las acciones de control adecuadas y por tanto, mejorar la gestión de la planta en comparación con las prácticas actuales", detallan.

Según especifican desde DAM, "se ha desarrollado un dron capaz de predecir la concentración de olor a partir de las lecturas de sensores químicos y proporcionar mediciones que ayudan a localizar los focos de origen". El estudio parte de la realidad de que las metodologías actuales de evaluación de olores utilizan mediciones olfatométricas poco frecuentes que no permiten una caracterización precisapor lo que no se puede realizar un seguimiento efectivo de la planta. Pero ahora, "el nuevo sistema proporciona mapas de concentración de olores que ayudan a tomar las acciones de control adecuadas y por tanto, mejoran la gestión de la planta en comparación con las prácticas actuales", explican los investigadores del departamento de I+D+i de DAM.

 

Detalles de la investigación

El dron está configurado con una nariz electrónica compuesta por 21 sensores químicos, además de sensores de temperatura, humedad y presión, en una cámara de sensores en miniatura. Asimismo, contiene un sistema de muestreo, posicionamiento GPS y se conecta a una estación base para procesamiento de señales y análisis de datos en tiempo real. El sistema ha sido calibrado y validado en condiciones reales de operación mediante varias campañas de medición en la EDAR de Molina de Segura (Murcia). "Los resultados obtenidos nos permiten obtener un prototipo capaz de predecir la intensidad del olor de las muestras de aire ambiental en tiempo real y recolectar muestras de manera simultánea para su análisis en laboratorio tras el vuelo, lo que permite calibrar y validar el funcionamiento del sistema", resaltan desde DAM.

Santi Marco, jefe del Grupo de Procesamiento de Señales e Información para Sistemas de Sensores del IBEC y profesor de la Universidad de Barcelona, indica que el dron desarrollado permite, gracias a una combinación de sensores químicos e inteligencia artificial, "evaluar rápidamente la intensidad del olor emitido por una planta de gestión de residuos en zonas extensas y, en ocasiones, de difícil acceso. Esa información es relevante para los operadores de las plantas con el objetivo último de minimizar el impacto en las comunidades vecinas".

Por todo ello, desde DM concluyen que los resultados de SniffDrone representan un avance significativo en el ámbito de la gestión de los olores en la EDAR, ya que hasta ahora "los robots de detección de olores se habían probado con fuentes químicas de olor único en escenarios controlados relativamente simples y en la mayoría de los casos, empleando robots terrestres".

A continuación puede verse un vídeo del proyecto.

 

Publicidad

Noticias relacionadas

comments powered by Disqus