La innovación tecnológica vuelve a convertirse en una herramienta clave para reforzar la eficiencia y seguridad operativa de las centrales nucleares. Fruto de la colaboración entre GDES y ANAV, nace iAlgae, un sistema inteligente de detección temprana de algas y masas vegetales flotantes mediante inteligencia artificial desarrollado para CN Ascó.
Este proyecto de innovación aplicada permite monitorizar de forma continua el canal de alimentación de agua de la central, detectando automáticamente la presencia de acumulaciones de vegetación que podrían afectar a los sistemas de captación y refrigeración de la instalación. La iniciativa supone un avance significativo respecto a los métodos tradicionales de vigilancia visual realizados por operadores en campo, aportando una solución automatizada, permanente y capaz de operar en cualquier condición ambiental.
Inteligencia artificial al servicio de la operación nuclear
La presencia de algas y otras masas vegetales flotantes en canales de captación es un fenómeno natural conocido en las instalaciones que emplean agua superficial para refrigeración. Disponer de información en tiempo real sobre su evolución permite optimizar las tareas de supervisión y dotar a los equipos de operación de una herramienta avanzada de apoyo a la toma de decisiones.
Para dar respuesta a este reto, se ha desarrollado una solución que combina cámaras multiespectrales, térmicas y de espectro visible con algoritmos de inteligencia artificial capaces de detectar automáticamente masas vegetales en movimiento y generar alertas en tiempo real para facilitar su retirada por parte de los equipos de operación.
Una de las principales innovaciones de iAlgae es la combinación de imagen multiespectral y termografía avanzada, que permite mantener una detección fiable las 24 horas del día y en distintas condiciones ambientales.
Más de un millón de imágenes procesadas en entorno real
Para validar la tecnología, el sistema se ensayó durante 144 días en condiciones reales de operación en CN Ascó, donde procesó más de un millón de imágenes mediante arquitectura edge computing.
Los resultados confirmaron la viabilidad de la solución, detectando automáticamente 710 mantas de algas e identificando incluso acumulaciones vegetales inferiores a un metro cuadrado, muchas de ellas difíciles de apreciar mediante observación visual convencional. Además, los ensayos demostraron un comportamiento estable frente a lluvia, niebla, variaciones de luminosidad, viento o turbulencias del agua.
