AquaFusionNet：面向边缘设备的轻量级 VisionSensor 融合框架用于实时病原体检测与水质异常预测

来自许多中低收入地区的证据表明，小型供饮水系统的微生物污染常呈现快速波动，而现有监测工具仅捕获这种行为的片段。显微镜成像提供了生物体水平的可见性，而 physicochemical 传感器揭示了水化学的短期变化；实际情况下，运营商必须单独解释这些数据流，使得实时决策不可靠。本研究引入了 AquaFusionNet，一种轻量级跨模态框架，将两种信息源统一集成到单个可部署到边缘的模型中。不同于先前工作将显微镜检测和水质预测视为独立任务，AquaFusionNet 通过专为低功耗硬件设计的门控跨注意力机制，学习微生物外观与联合传感器动力学之间的统计依赖关系。该框架在 AquaMicro12K 数据集上进行训练，该数据集包含 12,846 个标注的 1000 显微镜图像，专为饮用水场景设计，由于可获取的显微镜数据集较为稀缺。该系统在东爪哇七个设施部署六个月，处理 184 万帧图像，持续以 94.8% 的 [email protected] 检测污染事件，96.3% 的异常预测准确率，同时在 Jetson Nano 上运行功耗仅 4.8 瓦。与代表性轻量级检测器进行的比较实验表明，AquaFusionNet 在相同或更低功耗下提供更高的检测精度，现场结果表明，跨模态耦合减少了单模态检测器在污垢、浑浊度尖峰和不一致照明下的常见故障模式。所有模型、数据和硬件设计均已公开释放，以促进去中心化水安全基础设施的复制和改造。