灵感来自与一位医生的对话
以往，想要做废水分析，需要将样本通过邮件包裹寄送至实验室，再交由人类专家进行分析。但是，这种做法后来就开始发生了变化，这要归功于 Opseyes 创始人 Bryan Arndt 在丹麦建筑工程公司 Ramboll 担任管理顾问时与他兄弟的一次对话，他的这位兄弟是一位放射科医生。
当他的兄弟描述深度学习如何在医学成像领域大放异彩时，Arndt 颇感兴趣。Arndt 很快意识到，能够帮助放射科医生更快速、更准确地分析人体图像的深度学习技术，同样也可以对通过显微镜拍摄的废水样本图像进行近乎即时的分析。
更快速的工作流程
功夫不负有心人，Arndt 与就职于 Ramboll（一家拥有 50 多年历史的废水处理行业的领先企业）的同事们的研发成果，极大地加快了废水分析的工作流程。而在此前，废水处理行业长期通过邮寄邮件包裹的方式来寄送废水的样本，在这些样本中不乏有毒害的污染物。各大城镇和各行各业都需要不断地从湖泊和河流中取水、用水，然后又将废水排放回大自然，例如密西西比州。废水无处不在，因此他们的研究发现就显得至关重要。
Arndt 表示：“我们发现一位客户工厂的排水口离下游一座城市供水的源头相距最多也就四分之一英里。所以，你排放的废水，总是会成为别人的饮用水源。” 因此，对废水绝不可掉以轻心。
水无处不在
1972 年美国颁布的《清洁水法案》为这一行业的发展带来了利好的机遇，该法案无论是在美国还是全球范围都具有里程碑式的意义。由于越来越多的人们意识到净水的重要性，分析人士估计，全球废水处理市场的价值在 2025 年将超过 2100 亿美元。
尽管几乎所有行业都会产生废水，但废水处理领域的专业知识却尚未普及，这也是废水处理行业在发展过程中面临的一个挑战。况且，能够通过显微镜查看并识别出业内已知的最常见的六种细菌“细丝”或生物活性物质（如缓速生物）的专家也少之又少。
你需要怎么做呢？
这一情况就意味着，只能通过邮件包裹将废水样品或含有废水成分的土壤样品邮寄给这些专家，专家会对收到的众多样品逐一进行分析。Ardnt 表示，在他所处的行业，人们会采取预防措施，对潜在的有毒废物进行密封，并对其进行追踪，以确保它们能够抵达正确目的地，但是这种做法相当耗时。Arndt 意识到，有一种解决方案，那就是运用深度学习来训练 AI ，从而使得 AI 即时产出废水分析的结果。为此，去年 Arndt 在社交媒体上与同行的从业者们联系，请他们向自己发送废水样品。
“旷世美图”
获得样本后，Arndt 和自己的小团队在 Ramboll 的美国实验室中，花费了数月的时间为这些样品创建了 6,000 多张图像。基于此，在为客户部署全面系统之前，他们建立了精细的废水系统模型。这些图片在他们眼中简直就是“旷世美图”。之后，由 Robin Schlenga 带领的数据科学团队对这些图片进行了标记和使用，并用于训练由 NVIDIA GPU 加速的卷积神经网络。
经过一年半的研发，Opseyes 于 2020 年 9 月推出面世，客户仅用一部智能手机，通过显微镜拍摄废水样品图片，在数分钟内即可获得分析结果。科技领域之外的公司将其专业知识与AI 实现深度结合，Opseyes 就是一个很典型的范例。毕竟，“如果要等一个星期才能知道自己所喝的饮用水是否安全，那就没人愿意等了，” Artdt 说道。但是有了Opseyes, 安全饮水便即日可待了！
