Projektin tavoitteet
ROSS-hankkeen tavoitteena on kehittää teollisuuden käyttöön uudenlainen mittausmenetelmä, joka mahdollistaa raskasmetallipitoisuuksien jatkuvan ja reaaliaikaisen seurannan teollisuusprosesseissa. Optiseen emissiospektroskopiaan ja tekoälyyn perustuvalla menetelmällä pyritään nopeuttamaan ja tarkentamaan mittauksia, jotta teollisuusyritykset voivat havaita päästöissä tapahtuvat muutokset ajoissa ja reagoida niihin tehokkaammin. Hanke edistää teollisuuden ympäristövastuullisuutta, vesistöjen suojelua ja uusien ympäristöteknologioiden kehittämistä.
Yhteystiedot:
Projektipäällikkö
Dacil Merelles Pintor
dacil.merelles.pintor@samk.fi
Projektin toimenpiteet
Hankkeessa kartoitetaan teollisuusyritysten mittaustarpeita ja selvitetään nykyisten raskasmetallien analysointimenetelmien mahdollisuuksia ja haasteita. Tutkimus- ja kehitystyössä yhdistetään spektroskopiaa, laskennallisia menetelmiä ja tekoälyä mittaustulosten analysoinnin kehittämiseksi. Menetelmän toimivuutta testataan käytännön pilottimittauksilla teollisuusympäristössä, ja saatuja tuloksia verrataan perinteisiin analyysimenetelmiin. Lisäksi hankkeessa tehdään yhteistyötä yritysten, tutkimusorganisaatioiden ja ympäristöalan toimijoiden kanssa sekä julkaistaan tutkimustuloksia laajempaan käyttöön.
Uutiset ja videot
Reaaliaikaista vedenlaadun mittausta Kokemäenjoessa
ROSS-hanke ja Sensmet Oy esittelivät uutta raskasmetallien reaaliaikaista analysointimenetelmää Porin Kupariteollisuuspuiston jokivarressa syyskuussa 2025. Videolla nähdään tunnelmia tilaisuudesta.
Esimerkkejä µDOES® -teknologian toiminnasta
Videolla Sensmet Oy:n Aappo Roos esittelee µDOES® -teknologian toimintaa ROSS-hankkeen järjestämässä demotilaisuudessa Porin Kupariteollisuuspuistossa syykuussa 2025.
Hankkeessa julkaistua
Artikkelit
- Reaaliaikainen vedenlaadun monimetallimittaus teollisuusympäristössä (CSS Tutkimusfoorumi 2026, s. 741)
Tieteelliset artikkelit
- Wang, Y., Aaltonen, T. & Zhang, S. (2026). Data-provenance-aware Stark broadening estimation for automated LIBS spectral simulation of ionic lines. Atomic Spectroscopy.
- Aaltonen, T. & Suominen, P. (2026). Evaluation-dependent performance claims in machine-learning LIBS: A reporting framework. Atomic Spectroscopy.
ROSS-hanke muualla mediassa
- Uusi teknologia nopeuttaa raskasmetallipäästöjen seurantaa (satakunta.fi)
Kuvagalleria
