巴西圣保罗大学圣卡洛斯分校（USP São Carlos）数学与计算机科学学院的研究团队，成功开发出一套新型流体液位测量系统。该技术不仅能实时监测多种液体的液位高度，更关键的是，它能辅助检测甚至预测洪涝灾害，同时为水库和储罐提供更动态的管理方案。这一成果标志着巴西在利用人工智能优化基础设施监测方面取得了重要突破。
该系统的核心优势在于引入了机器学习技术，专门用于修正传感器数据采集中的误差或“噪声”。项目参与者、物联网专家Angelo Foletto指出，专利的关键创新点在于将高精度、低成本传感器与通用数据采集系统相结合。数据上传至服务器后，系统利用人工智能进行降噪处理，从而输出更接近真实情况的修正数值。这种非侵入式的监测方式，使其在成本上比传统方案更具竞争力，成为监测大型蓄水池和水库的可行替代方案。
在工业应用场景中，该技术的适应性同样显著。研究人员对比了河流渠道与工业环境：工业现场通常拥有受控的温度、湿度及稳定的组件固定条件，这消除了户外环境中的诸多挑战。因此，该技术不仅适用于复杂的户外水利监测，也能轻松部署于各类工业流程中，实现距离或存在感的非接触式测量。
项目灵感源自德国和荷兰的公共监控摄像头应用。这些国家利用图像处理技术，将原本用于交通监控的摄像头重新用于监测城市河道水位。Foletto表示，图像处理本质上是向自动化和人工智能技术迈进的过程，团队正是受到启发，将这一逻辑引入流体监测领域。在研发初期，团队联合了圣保罗大学圣卡洛斯分校的水力学实验室科学家，利用新冠疫情期间实验室闲置的流量渠道，模拟河流行为进行大量测试。
测试过程中，团队发现了一个关键发现：水的浊度直接影响红外传感器的性能。浊度越高，水体反射光波回传感器的能力越强，这为优化传感器算法提供了重要依据。目前，该技术已达到技术就绪水平（TRL）4级，即组件在实验室环境下的验证阶段。研究人员遗憾地表示，距离TRL 5级（在相关环境下的原型验证）仅一步之遥。该技术具备高度的可扩展性，凡是需要非侵入式、远距离或存在性测量的场景，均可直接应用。
巴西作为水资源丰富但洪涝灾害频发的国家，其水利基础设施的智能化升级需求迫切。圣保罗大学此次突破，展示了发展中国家高校在低成本、高适应性技术上的创新潜力。对于中国相关企业而言，这种结合低成本硬件与AI算法的“轻量化”监测思路值得借鉴，特别是在应对复杂环境下的水利预警及工业液位管理时，可探索类似的非侵入式解决方案，以降低部署成本并提升数据可靠性。