Kostsamma vattenförluster i kommunala vattensystem kan minskas avsevärt med sensorer och ny artificiell intelligens (AI) -teknologi.

Utvecklad av forskare vid University of Waterloo i samarbete med branschpartners, tekniken har potential att upptäcka även små läckor i rör. Den kombinerar sofistikerad signalbehandlingsteknik och AI -programvara för att identifiera tydliga tecken på läckage som transporteras via ljud i vattenledningar.

De akustiska signaturerna registreras av hydrofonsensorer som enkelt och billigt kan installeras i befintliga brandposter utan att de grävts eller tas ur drift.

"Detta skulle göra det möjligt för städer att använda sina resurser för underhåll och reparationer mycket mer effektivt, "sa huvudforskaren Roya Cody, civilingenjörsexamen kandidat på Waterloo. "De kan vara mer proaktiva i motsats till reaktiva." Kommunala vattensystem i Kanada förlorar i genomsnitt över 13 procent av sitt rena vatten mellan behandling och leverans på grund av läckage, utbrott och andra problem. Länder med äldre infrastruktur har ännu högre förlustnivåer.

Stora problem som sprängrör avslöjas av tryckförändringar, volymfluktuationer eller vatten som bara bubblar upp till ytan, men små läckor går ofta oupptäckta i åratal. "

Förutom de ekonomiska kostnaderna för att slösa behandlat vatten, kroniska läckor kan skapa hälsorisker, göra skada på grunden till strukturer och försämras med tiden.

"Genom att fånga små läckor tidigt, vi kan förhindra dyra, destruktiva utbrott senare, sa Cody.

Forskare gör nu fälttester med hydrantsensorerna efter att på ett tillförlitligt sätt ha upptäckt läckor så små som 17 liter i minuten i labbet.

De arbetar också med sätt att hitta platsen för läckage, vilket gör att kommuner kan identifiera, prioritera och utföra reparationer.

"Just nu reagerar de på situationer genom att skicka ut arbetare vid översvämningar eller inspektera ett visst rör om det ska kontrolleras på grund av dess ålder, "Sa Cody.

Sensortekniken fungerar genom att förbehandla akustiska data med hjälp av avancerade signalbehandlingstekniker för att markera komponenter som är associerade med läckage.

Det gör det möjligt för maskininlärningsalgoritmer att identifiera läckage genom att skilja deras tecken från de många andra bullerkällorna i ett vattenfördelningssystem.