JP2022142749A - 水処理システム - Google Patents

Abstract

【課題】水処理タンクの内部の照度を上げて、撮像部により撮像される画像に大量のノイズが発生したり、撮像部によって平板の画像を撮像できなかったりすることを防止する。
【解決手段】実施形態の水処理システムは、微生物が付着した平板を、一部が原水に浸漬するように回転させながら、微生物によって原水を浄化する水処理システムであって、平板の画像を撮像する撮像部と、撮像部により撮像される画像に基づいて、平板に対する微生物の付着量を算出する算出部と、算出部により算出される付着量に基づいて、水処理システムの運転を制御するコントローラと、平板に対して光を照射する照明部と、を備える。
【選択図】図１

Description

本発明の実施形態は、水処理システムに関する。

微生物が付着した平板を、一部が原水に浸漬するように回転させながら、微生物によって原水を浄化する水処理システムにおいて、平板に付着している微生物の付着量を、カメラ等の非接触センサを用いて算出し、その算出結果に基づいて、水処理システムの運転を自動制御する技術が開発されている。

特開２０１６－１６３８５５号公報 特開２０２０－９７０２３号公報

ところで、水処理システムの運転を自動制御する技術においては、平板に対する微生物の付着量の算出精度を向上させることが求められている。

実施形態の水処理システムは、微生物が付着した平板を、一部が原水に浸漬するように回転させながら、微生物によって原水を浄化する水処理システムであって、平板の画像を撮像する撮像部と、撮像部により撮像される画像に基づいて、平板に対する微生物の付着量を算出する算出部と、算出部により算出される付着量に基づいて、水処理システムの運転を制御するコントローラと、平板に対して光を照射する照明部と、を備える。

図１は、第１実施形態の水処理方法が適用された水処理システムの構成例を示す概念図である。 図２は、第１実施形態の水処理システムの部分的な構成例を示す概念図である。 図３は、第１実施形態の水処理システムにおけるコントローラおよび監視装置の構成例を示すブロック図である。 図４は、第１実施形態にかかる水処理システムにおけるコントローラによる撮像部および照明部の制御処理の一例を説明するための図である。 図５は、第１実施形態にかかる水処理システムの監視装置において撮像される円板体領域および当該円板体領域のエッジの検知結果の一例を説明するための図である。 図６は、第１実施形態にかかる水処理システムにおける付着量の算出処理の流れの一例を示すフローチャートである。 図７は、第１実施形態にかかる水処理システムにおける付着量算出処理の流れの他の例を示すフローチャートである。 図８は、第２実施形態にかかる水処理システムにおけるコントローラおよび監視装置の構成例を示すブロック図である。 図９は、第２実施形態にかかる水処理システムにおける平均情報量の算出処理の流れの一例を示すフローチャートである。 図１０は、第３実施形態にかかる水処理システムにおけるコントローラおよび監視装置の構成例を示すブロック図である。 図１１は、第３実施形態にかかる水処理システムにおいて得られる画像の一例を説明するための図である。 図１２は、第３実施形態にかかる水処理システムにおいてクラス０に分類される注視領域の一例を説明するための図である。 図１３は、第３実施形態にかかる水処理システムにおいてクラス１に分類される注視領域の一例を説明するための図である。 図１４は、第３実施形態にかかる水処理システムにおいてクラス２に分類される注視領域の一例を説明するための図である。 図１５は、第３実施形態にかかる水処理システムにおいてクラス３に分類される注視領域の一例を説明するための図である。 図１６は、第３実施形態にかかる水処理システムにおいてクラス４に分類される注視領域の一例を説明するための図である。 図１７は、第３実施形態にかかる水処理システムにより分類された結果の一例を示す図である。

以下、添付の図面を用いて、本実施形態にかかる水処理システムの一例について説明する。

（第１の実施形態）
図１は、第１実施形態の水処理方法が適用された水処理システムの構成例を示す概念図である。

水処理システム１１０は、下水、農業排水、および工場排水等の有機排水のような原水ｗを、バチルス菌のような微生物を活用した微生物処理によって浄化するシステムであって、図１に例示するように、回転円板装置１０と、モータ２０と、コントローラ４０と、監視装置５０と、撮像部７１と、照明部８０と、を備えている。

図１は、回転円板装置１０を、上側から見た構成例を示しており、回転円板装置１０は、原水ｗが導入される水処理タンク１１の中に、一定の間隔Ｌで平行に配置された複数の回転円板体１２を備えている。

図２は、回転円板装置を前面側（図１における原水導入側）から見た構成例を含む、第１実施形態の水処理システムの部分的な構成例を示す概念図である。

水処理タンク１１の底面には、汚泥引抜配管６０が接続され、汚泥引抜配管６０には、汚泥引抜弁６１が設けられている。また、水処理タンク１１の上部は、筐体カバー７０によって覆われており、筐体カバー７０の内側に形成される空間に、撮像部７１、および照明部８０が設けられている。

ここで、撮像部７１は、ＣＣＤ（Charge Coupled Device）等であり、回転円板体１２の画像を撮像する撮像部（光学センサ）の一例である。また、撮像部７１は、広角レンズまたは魚眼レンズを有し、回転円板体１２を連続して撮像可能な撮像部であることが好ましい。

照明部８０は、回転円板体１２に光を照射する照明部の一例である。照明部８０は、回転円板体１２に光を照射可能であれば良く、例えば、ＬＥＤ（Light Emitting Diode）、蛍光灯、有機ＥＬ（Electro Luminescence）である。また、照明部８０は、可視光を照射する照明部に限定されず、紫外光、赤外光、白色光等、特定の波長の光を照射する照明部であっても良い。本実施の形態では、水処理システム１１０は、１つの照明部８０を有しているが、複数の照明部８０を有していても良いし、撮像部７１および照明部８０を１つのユニットとして有していても良い。

各回転円板体１２は、円の中心に貫通穴が設けられており、該貫通穴に挿入されたシャフト１３に固定される。これによって、各回転円板体１２は、シャフト１３の長軸方向に沿って、一定の間隔Ｌを保ってそれぞれ平行に配置される。

各回転円板体１２の表面には、バチルス菌のような微生物を、優占的に付着し易くするための接触体１４（例えば、海綿体）が配置されている。すなわち、本実施形態では、回転円板体１２が、微生物が付着する平板の一例として機能する。

水処理タンク１１には、原水ｗが導入されるが、各回転円板体１２は、全体が原水ｗによって浸漬されるのではなく、下側である一部のみが原水ｗによって浸漬され、原水ｗによって浸漬されている部分よりも上側は気相中にあるように水処理タンク１１内に設置される。これによって、各回転円板体１２は、上側が空気に接し、下側が原水ｗによって浸漬される。このような構成は、例えば、シャフト１３を、水処理タンク１１の上縁高さとほぼ同じ高さに、水平に配置することによって達成される。これによって、水処理タンク１１が原水ｗによって満水になっても、回転円板体１２は、下側半分しか原水ｗによって浸漬されないので、少なくとも上側半分は、空気に接することになる。

シャフト１３は、モータ２０からの駆動力によって回転し、これによって、各回転円板体１２も、図２に示す矢印Ｒに示すように、シャフト１３を中心として回転する。すなわち、各回転円板体１２は、各回転円板体１２の中心を通って各回転円板体１２の端面１２ａと直交する中心線１５を中心に回転する。この回転速度は、水処理システム１００の通常運転時において、例えば１０ｒｐｍである。

このように、各回転円板体１２が、シャフト１３の回転とともに図２に示す矢印Ｒに示すように回転することによって、接触体１４に付着した微生物は、気相中においては、空気中の酸素を取り込み、原水ｗに浸漬されている間は、原水ｗ中の有機物や窒素成分を酸化分解する。これによって、原水ｗから有機物や窒素成分を除去された処理水ｘが、水処理タンク１１から排出される。

しかしながら、このような浄化運転の継続に伴い、接触体１４、つまり回転円板体１２の表面に付着している微生物が増殖する。回転円板体１２に付着している微生物が過剰に増殖すると、回転円板体１２に付着している微生物に十分な酸素が行き渡らなくなり、浄化性能が低下する。さらには、原水ｗに含まれる汚泥の嫌気化により臭気が増加したり、処理水ｘの透視度が低下したりするといった悪影響が生じる場合もある。

したがって、回転円板体１２に微生物が過剰に付着しないように管理する必要がある。このため、コントローラ４０は、回転円板体１２に付着している微生物の付着量を推定し、微生物が過剰に付着しているとの推定結果が得られた場合には、回転円板体１２に付着している微生物の付着量が、適切な範囲内に保たれるように、水処理システム１１０の運転を制御する。このようなコントローラ４０の構成の詳細について、図３を用いて説明する。

図３は、第１実施形態の水処理システムにおけるコントローラおよび監視装置の構成例を示すブロック図である。

コントローラ４０は、監視装置５０により算出される回転円板体１２への微生物の付着量に基づいて、水処理システム１１０の運転を制御するコントローラの一例である。

ところで、水処理タンク１１の上部が筐体カバー７０によって覆われている場合、水処理タンク１１の内部の照度は低い。このような低照度の条件で、撮像部７１によって回転円板体１２を撮像した場合、照度不足によって、撮像部７１により撮像される画像に大量のノイズが発生したり、撮像部７１によって回転円板体１２の画像を撮像できなかったりする。そのため、撮像部７１により撮像される画像に基づいて回転円板体１２に対する微生物の付着量を算出（推定）する場合、微生物の付着量の算出精度が著しく低下する可能性がある。

そこで、本実施形態では、水処理システム１１０は、上述したように、回転円板体１２に光を照射する照明部８０を有する。これにより、水処理タンク１１の内部の照度を上げて、撮像部７１により撮像される画像に大量のノイズが発生したり、撮像部７１によって回転円板体１２の画像を撮像できなかったりすることを防止できる。その結果、撮像部７１により撮像される画像に基づいて回転円板体１２に対する微生物の付着量を算出する場合、微生物の付着量の算出精度が低下することを抑制できる。

ところで、水処理タンク１１内に照明部８０を設けて点灯させた場合、水処理タンク１１には以下のような問題が発生する可能性がある。
１．藻の発生（水処理タンク１１内部は水分および栄養が共に多いため、常時、光が照射される環境になると、藻が光合成して大量発生し、有用微生物の優占化を阻害する可能性がある）
２．虫の侵入
３．無駄な電力の消費
４．照明装置の寿命の低下

そのため、水処理タンク１１内の照明部８０の点灯は最小限にすることが好ましい。そこで、コントローラ４０は、撮像部７１による画像の撮像開始および撮像停止と、照明部８０の点灯および消灯と、を制御する。これにより、水処理タンク１１内の照明部８０の点灯を最小限にすることが可能となるので、水処理タンク１１内で上記のような問題が発生する可能性を低減することができる。具体的には、回転円板体１２への微生物の付着量は、急激に増加することは無いため、１時間に一度程度、撮像部７１により回転円板体１２を撮像すれば足りる。また、回転円板体１２を１０ｒｐｍで回転させている場合、撮像部７１は６秒で回転円板体１２の全周を撮像することができるので、コントローラ４０は、１時間に６秒程度、照明部８０を点灯させれば良い。また、コントローラ４０は、撮像部７１も同様に、常時、回転円板体１２の画像を撮像する必要が無くなるので、撮像部７１により撮像する画像の記憶に要する記憶容量を節約することができる。

本実施形態では、コントローラ４０は、所定の時刻に、撮像部７１の撮像開始、および照明部８０の点灯を指示する。ここで、所定の時刻は、予め設定された時刻であり、例えば、毎時０分や夜間である。例えば、コントローラ４０は、所定の時刻に、所定の期間Ｔ、撮像部７１により画像を撮像しかつ照明部８０を点灯させる。ここで、所定の期間Ｔは、予め設定された期間であり、例えば、予め設定された秒数である。

また、本実施形態では、コントローラ４０は、所定の間隔で、撮像部７１の撮像開始、および照明部８０の点灯を指示することも可能である。ここで、所定の間隔は、予め設定された間隔であり、例えば、３０分である。例えば、コントローラ４０は、所定の間隔で、所定の期間Ｔ、撮像部７１により画像を撮像しかつ照明部８０を点灯させる。

また、本実施形態では、コントローラ４０は、所定のイベントが発生した際に、撮像部７１の撮像および照明部８０の点灯を指示することも可能である。ここで、所定のイベントは、予め設定されたイベントであり、例えば、水処理システム１１０の洗浄処理が実行された場合、水処理システム１１０のメンテナンスが行われた場合、外部装置から指示があった場合である。例えば、コントローラ４０は、所定のイベントが発生した場合に、所定の期間Ｔ、撮像部７１により画像を撮像しかつ照明部８０を点灯させる。

本実施形態では、コントローラ４０は、撮像部７１により画像の撮像および照明部８０の光の点灯を同じタイミングで行うものとするが、撮像部７１の撮像開始から撮像停止までの期間と、照明部８０の点灯から消灯までの期間と、が異なっていても良い。例えば、コントローラ４０は、撮像部７１により画像を撮像する時間を５秒とし、照明部８０を点灯させる時間を１０秒としても良い。すなわち、コントローラ４０は、撮像部７１の撮像開始から撮像停止までの期間と、照明部８０の点灯から消灯までの期間と、が完全に一致する必要はなく、少なくとも一部において重なっていれば良い。

図４は、第１実施形態にかかる水処理システムにおけるコントローラによる撮像部および照明部の制御処理の一例を説明するための図である。例えば、コントローラ４０は、図４に示すように、照明部８０に対して点灯を指示してからＭ１秒後に、撮像部７１に対して撮像開始を指示する。その後、撮像部７１に対して撮像開始を指示してからＳ秒が経過すると、コントローラ４０は、図４に示すように、撮像部７１に対して撮像停止を指示する。そして、撮像部７１に対して撮像停止を指示してから、Ｍ２秒経過した後、コントローラ４０は、図４に示すように、照明部８０に対して消灯を指示する。

図３に戻り、本実施形態では、コントローラ４０は、撮像部７１によって、常時、画像を撮像させ、かつ、所定の時刻にまたは所定の間隔で、照明部８０に対して点灯を指示することも可能である。この場合、後述する付着量算出部５１ｄは、照明部８０が点灯している間に、撮像部７１により撮像される画像に基づいて、回転円板体１２に対する微生物の付着量を算出するものとする。

監視装置５０は、画像処理部５３を有する。画像処理部５３は、回転円板体１２への微生物の付着量を推定するための付着量推定部５１と、撮像部７１により撮像される画像を記憶する記憶部５２と、を有する。

記憶部５２は、上述したように、撮像部７１により撮像される画像を記憶する。記憶部５２に記憶される画像は、付着量推定部５１による微生物の付着量の推定に用いられる。記憶部５２に記憶される画像は、逐次、付着量推定部５１に送信されても良いし、予め設定された枚数Ｎ（Ｎは、１以上の整数）が記憶部５２に記憶された後、当該記憶部５２に記憶されるＮ枚の画像をまとめて付着量推定部５１に送信されても良い。

付着量推定部５１は、図３に示すように、エリア検知部５１ａ、エッジ検知部５１ｂ、エッジカウント部５１ｃ、付着量算出部５１ｄ、および統合部５１ｅを有する。

エリア検知部５１ａは、記憶部５２に記憶される画像から、回転円板体１２の領域である円板体領域（平板画像領域の一例）を検知する領域検知部の一例である。撮像部７１により撮像される画像には、回転円板体１２以外の被写体の画像も含まれる。そのため、エリア検知部５１ａは、記憶部５２に記憶される画像から、円板体領域を検知する。

例えば、回転円板体１２と撮像部７１との相対位置が固定して、画像の常に同じ位置に円板体領域が写るようにする。そして、エリア検知部５１ａは、画像の予め設定されたマスク領域を、円板体領域として検知しても良い。また、例えば、エリア検知部５１ａは、テンプレートマッチング等の画像認識技術を用いて、画像から、円板体領域を検知しても良い。本実施形態では、エリア検知部５１ａによって、画像から、円板体領域を検知しているが、画像全体が円板体領域である場合には、エリア検知部５１ａによる円板体領域の検知処理を実行しなくても良い。

エッジ検知部５１ｂは、エリア検知部５１ａにより検知される円板体領域のエッジを検知するエッジ検知部の一例である。言い換えると、エッジ検知部５１ｂは、円板体領域に含まれるエッジの画像を特定する。例えば、エッジ検知部５１ｂは、canny等によって、円板体領域の中から、エッジが存在する画素を検知する。または、エッジ検知部５１ｂは、sobelフィルタ、robertsフィルタ等を用いて、円板体領域の勾配を算出し、勾配の算出結果に基づいて、円板体領域に対して二値化処理を実行した後、円板体領域内においてエッジが存在する画素を検知しても良い。

図５は、第１実施形態にかかる水処理システムの監視装置において撮像される円板体領域および当該円板体領域のエッジの検知結果の一例を説明するための図である。図５（ａ）、図５（ｂ）、および図５（ｃ）は、微生物の付着量が異なる円板体領域および当該円板体領域のエッジの検知結果（白画素で示す）を示している。図５に示すように、回転円板体１２に対する微生物の付着量が多くなるに従い、エッジが少なくなり、回転円板体１２に対する微生物の付着量が少なくなるに従い、エッジが多くなる。

図３に戻り、エッジカウント部５１ｃは、エッジ検知部５１ｂにより検知されるエッジをカウントする。

付着量算出部５１ｄは、円板体領域と、エッジ検知部５１ｂによるエッジの検知結果と、に基づいて、回転円板体１２に対する微生物の付着量を算出（推定）する付着量算出部の一例である。本実施の形態では、付着量算出部５１ｄは、円板体領域と、エッジカウント部５１ｃによるエッジのカウント結果と、に基づいて、回転円板体１２に対する微生物の付着量を算出する。例えば、付着量算出部５１ｄは、下記の式（１）を用いて、回転円板体１２に対する微生物の付着量を算出する。 付着量＝１－（エッジの画素数／円板体領域の画素数）・・・（１）

回転円板体１２に対する微生物の付着量が少ない状態では、回転円板体１２を構成する接触体１４（海綿体等）が露出しているため、円板体領域のエッジ成分が多くなる。一方、回転円板体１２に対する微生物の付着量が多くなると、回転円板体１２を構成する接触体１４が微生物で覆われて、円板体領域のエッジ成分が減少する。そこで、本実施形態では、付着量算出部５１ｄは、円板体領域内におけるエッジの割合に基づいて、回転円板体１２に対する微生物の付着量を数値化する。これにより、回転円板体１２を撮像した画像を用いた当該回転円板体１２に対する微生物の付着量の算出精度を向上させることができる。

本実施形態では、付着量算出部５１ｄは、円板体領域とエッジの検知結果とに基づいて、回転円板体１２に対する微生物の付着量を算出しているが、円板体領域内の曲線の画像に基づいて、回転円板体１２に対する微生物の付着量を算出しても良い。例えば、付着量算出部５１ｄは、円板体領域内の曲線の画像が少なくなるに従って、回転円板体１２に対する微生物の付着量が多いと判断する。

統合部５１ｅは、複数の画像（円板体領域）のそれぞれに基づいて算出した付着量を統合する。例えば、統合部５１ｅは、複数の画像（例えば、予め設定された枚数Ｍの画像）のそれぞれに基づいて算出した付着量の平均値、中央値、最頻値、最大値、最小値、四分位値等を算出する。

図６は、第１実施形態にかかる水処理システムにおける付着量の算出処理の流れの一例を示すフローチャートである。次に、図６を用いて、本実施形態にかかる水処理システム１１０における付着量の算出処理の流れの一例について説明する。

まず、エリア検知部５１ａが、記憶部５２に記憶される画像から、円板体領域を検知する（ステップＳ６０１）。次に、エッジ検知部５１ｂが、エリア検知部５１ａにより検知される円板体領域から、エッジを検知する（ステップＳ６０２）。次に、エッジカウント部５１ｃは、エッジ検知部５１ｂにより円板体領域から検知されるエッジをカウントする（ステップＳ６０３）。そして、付着量算出部５１ｄは、円板体領域と、エッジカウント部５１ｃによるエッジのカウント結果と、に基づいて、回転円板体１２に対する微生物の付着量を算出する（ステップＳ６０４）。

図７は、第１実施形態にかかる水処理システムにおける付着量算出処理の流れの他の例を示すフローチャートである。次に、図７を用いて、本実施形態にかかる水処理システム１１０における付着量の算出処理の流れの他の例について説明する。

まず、付着量推定部５１は、記憶部５２から画像を取得する（ステップＳ７０１）。次に、付着量推定部５１は、予め設定された枚数Ｍの画像に基づいて、付着量の算出処理を実行したか否かを判断する（ステップＳ７０２）。

予め設定された枚数Ｍの画像に基づいて付着量を算出していない場合（ステップＳ７０２：Ｎｏ）、付着量推定部５１は、図６に示す付着量算出処理（ステップＳ６０１～ステップＳ６０４）と同様にして、付着量を算出する（ステップＳ７０３）。一方、予め設定された枚数Ｍの画像に基づいて付着量を算出した場合（ステップＳ７０２：Ｙｅｓ）、統合部５１ｅは、予め設定された枚数Ｍの画像それぞれに基づいて算出した付着量の統合処理を実行する（ステップＳ７０４）。

このように、第１実施形態にかかる水処理システム１１０によれば、水処理タンク１１の内部の照度を上げて、撮像部７１により撮像される画像に大量のノイズが発生したり、撮像部７１によって回転円板体１２の画像を撮像できなかったりすることを防止できる。その結果、撮像部７１により撮像される画像に基づいて回転円板体１２に対する微生物の付着量を算出する場合、微生物の付着量の算出精度が低下することを抑制できる。また、第１実施形態にかかる水処理システム１１０によれば、円板体領域内におけるエッジの割合に基づいて、回転円板体１２に対する微生物の付着量を数値化することにより、回転円板体１２を撮像した画像を用いた当該回転円板体１２に対する微生物の付着量の算出精度を向上させることができる。

（第２実施形態）
本実施形態は、円板体領域の平均情報量に基づいて、水処理システムの運転を制御する例である。以下の説明では、第１実施形態と同様の構成については説明を省略する。

図８は、第２実施形態にかかる水処理システムにおけるコントローラおよび監視装置の構成例を示すブロック図である。本実施形態にかかる水処理システム１１０は、図８に示すように、コントローラ８０１と、監視装置５０と、を有する。

コントローラ８０１は、監視装置５０により算出される円板体領域の平均情報量に基づいて、水処理システム１１０の運転を制御する。

監視装置５０は、画像処理部８０３を有する。画像処理部８０３は、付着量推定部８０４と、記憶部５２と、を有する。付着量推定部８０４は、エリア検知部５１ａ、および情報量算出部８０４ａを有する。

情報量算出部８０４ａは、エリア検知部５１ａにより検知される円板体領域の平均情報量を算出する情報量算出部の一例である。例えば、円板体領域が８ｂｉｔ（２５６階調）の画像である場合、情報量算出部８０４ａは、下記の式（２）を用いて、円板体領域の平均情報量Ｅを算出する。 Ｅ＝－Σｐ＿ｉ＊ｌоｇ２（ｐ＿ｉ）・・・（２） ここで、ｉは、０～２５５の階調である。また、ｐ＿ｉは、（円板体領域内において輝度値がｉである画素の個数）／（円板体領域内の画素数）であり、すなわち、円板体領域内において輝度値がｉの画素の割合である。

本実施形態では、情報量算出部８０４ａは、エリア検知部５１ａにより検知される円板体領域をそのまま用いて平均情報量Ｅを算出しているが、sobelフィルタ、ガウスフィルタ等のフィルタ処理によって円板体領域の勾配を求め、かつ当該勾配に基づいて円板体領域に対して二値化処理等を実行した後、当該円板体領域の平均情報量Ｅを算出しても良い。すなわち、情報量算出部８０４ａは、円板体領域に対して予め設定された画像処理（例えば、フィルタ処理、二値化処理）を実行した後、当該平板画像領域の平均情報量Ｅを算出しても良い。

図９は、第２実施形態にかかる水処理システムにおける平均情報量の算出処理の流れの一例を示すフローチャートである。次に、図９を用いて、本実施形態にかかる水処理システム１１０における平均情報量Ｅの算出処理の流れの一例について説明する。

情報量算出部８０４ａは、まず、ｉを０に設定し、Ｅを０に設定する（ステップＳ９０１）。次に、情報量算出部８０４ａは、ｉが２５５以下であるか否かを判断する（ステップＳ９０２）。

次いで、情報量算出部８０４ａは、ｐ＿ｉを算出する（ステップＳ９０３）。そして、ｐ＿ｉが０より大きい場合（ステップＳ９０４：Ｙｅｓ）、情報量算出部８０４ａは、平均情報量Ｅ＝Ｅ－ｐ＿ｉ＊ｌоｇ２（ｐ＿ｉ）を算出し（ステップＳ９０５）、ステップＳ９０２に戻る。一方、ｐ＿ｉが０以下である場合（ステップＳ９０４：Ｎｏ）、情報量算出部８０４ａは、ステップＳ９０２に戻る。

その後、ｉが２５５より大きくなると（ステップＳ９０２：Ｎｏ）、情報量算出部８０４ａは、平均情報量Ｅの算出結果をコントローラ８０１に出力する（ステップＳ９０６）。

このように、第２実施形態にかかる水処理システム８００によれば、円板体領域の平均情報量に基づいて、水処理システム１１０の運転を制御することにより、回転円板体１２に対する微生物の付着量に応じた、水処理システム１１０の運転の自動制御が可能となる。

（第３実施形態）
本実施形態は、円板体領域の特徴量と、回転円板体に対する微生物の付着量と、の関係を表すモデルを学習し、当該学習したモデルを用いて、円板体領域の特徴量に対応する付着量を推定する例である。以下の説明では、上述の実施形態と同様の構成については説明を省略する。

図１０は、第３実施形態にかかる水処理システムにおけるコントローラおよび監視装置の構成例を示すブロック図である。本実施形態にかかる水処理システム１１０の監視装置５０は、画像処理部１００２を有する。画像処理部１００２は、付着量推定部１００３と、記憶部５２と、を有する。付着量推定部１００４は、エリア検知部５１ａ、および画像認識部１００５を有する。画像認識部１００５は、特徴抽出部１００５ａ、学習部１００５ｂ、および推定部１００５ｃを有する。

特徴抽出部１００５ａは、エリア検知部５１ａにより検知される円板体領域から、特徴量（以下、画像特徴量と言う）を抽出する。例えば、特徴抽出部１００５ａは、高次自己局所相関特徴、Ｈｏｇ（Histogram of Gradient）、円板体領域の画像そのまま等を、画像特徴量として抽出しても良い。

学習部１００５ｂは、画像特徴量と、回転円板体１２に対する微生物の付着量と、の関係を表すモデルを学習する学習部の一例である。例えば、学習部１００５ｂは、重回帰分析、ＤＮＮ（Deep Neural Net）、ＣＮＮ（Convolutional Neural Net）等により、画像特徴量と付着量との関係を表すモデルを学習する。

推定部１００５ｃは、学習部１００５ｂにより学習されるモデルを用いて、画像特徴量に対応する付着量を推定する推定部の一例として機能する。

本実施形態にかかる水処理システム１１０における付着量の推定処理の流れの一例について説明する。本実施形態では、一例としてＤＮＮ（Deep Neural Net）を採用する。

図１１は、第３実施形態にかかる水処理システムにおいて得られる画像の一例を説明するための図である。まず、撮像部７１から得られる画像に注視領域１０１０を１つ以上設定する。本実施形態では、注視領域１０１０を矩形としたが、円形等の別の形状であってもよい。また、画像全体を注視領域１０１０としてもよい。注視領域１０１０は１つに限定されるものではなく複数であってもよい。注視領域１０１０を複数とする場合、注視領域１０１０同士に重複する領域があってもよい。本実施形態では、注視領域１０１０を高さ８０ピクセル、幅８０ピクセルの正方形とする。

次に、撮像部７１から得られる画像から注視領域１０１０を切り出し、切り出された注視領域１０１０をクラス０からクラス４までの５つのクラスに分類する。

図１２は、第３実施形態にかかる水処理システムにおいてクラス０に分類される注視領域の一例を説明するための図である。
図１３は、第３実施形態にかかる水処理システムにおいてクラス１に分類される注視領域の一例を説明するための図である。
図１４は、第３実施形態にかかる水処理システムにおいてクラス２に分類される注視領域の一例を説明するための図である。
図１５は、第３実施形態にかかる水処理システムにおいてクラス３に分類される注視領域の一例を説明するための図である。
図１６は、第３実施形態にかかる水処理システムにおいてクラス４に分類される注視領域の一例を説明するための図である。

撮像部７１から得られる画像から切り出された注視領域１０１０は、微生物又は生物膜の付着量に基づきクラス０からクラス４までに分類される。微生物又は生物膜が回転円板体１２に薄っすらと付着しているが、微生物又は生物膜の塊はほぼ付着していない状態である場合には、クラス０に分類される。微生物又は生物膜の塊が回転円板体１２に、１～２割程度、３～５割程度、６～８割程度、または９割以上付着している状態である場合には、それぞれクラス１、クラス２、クラス３、またはクラス４に分類される。
上記の分類方法は一例であり、画像から切り出された注視領域１０１０は２つ以上のクラスに分類されればよい。例えば、微生物又は生物膜の塊が３割以下である場合にはクラス０に分類され、微生物又は生物膜の塊が３割を超過し７割以下である場合にはクラス１に分類され、微生物又は生物膜の塊が７割を超過する場合にはクラス２に分類されるように、３つのクラスに分類されてもよい。また、本実施形態では目視により分類を行ったが、微生物又は生物膜の量を別の手段で測定し、測定された結果に基づいて分類してもよい。

本実施形態では、各クラス１００枚ずつ、計５００枚の画像を収集した。各クラス５０枚、計２５０枚をＤＮＮの学習に用い、残りの２５０枚を評価に用いた。本実施形態のＤＮＮのネットワークは、１１つの畳み込み層と、４つのプーリング層と、２つの全結合層と、からなる。本実施形態では、ロス関数にＳｏｆｔｍａｘ Ｃｒｏｓｓ Ｅｎｔｒｏｐｙを用いて学習を行った。ネットワークの構成、層、およびロス関数は上記に限定されるものではなく、一般的にＤＮＮ（Deep Neural Net）に使用されるものであればよい。

図１７は、第３実施形態にかかる水処理システムにより分類された結果の一例を示す図である。図１７に示す行列の行は正解クラスを示しており、列は本実施形態にかかる水処理システム１１０により分類されたクラスを示している。学習したモデルで評価データを分類した結果、８２．４％の正解率が得られた。上記の結果から、本アルゴリズムによって精度良く５つのクラスに分類できることが示された。

上記の分類結果を用いた付着量の算出方法を説明する。まず、回転円板体１２を撮像し、撮像して得られた画像から１枚以上(例えばＮ枚)の注視領域を切り出し、上記のＤＮＮ（Deep Neural Net）により分類された結果がＮ個得られる。そして、クラス０に分類された画像は付着量Ｓ＝０．００、クラス１に分類された画像は付着量Ｓ＝０．２５、クラス２に分類された画像は付着量Ｓ＝０．５０、クラス３に分類された画像は付着量Ｓ＝０．７５、クラス４に分類された画像は付着量Ｓ＝１．００として、Ｎ個の結果を統合する。ここで、上記の分類された結果と付着量との対応は一例であり、他の対応方法であってもよい。

このように、第３実施形態にかかる水処理システム１１０によれば、円板体領域の画像特徴量と、回転円板体１２に対する微生物の付着量との関係を表すモデルを用いて、回転円板体１２に対する微生物の付着量を算出することにより、回転円板体１２を撮像した画像を用いた当該回転円板体１２に対する微生物の付着量の算出精度を向上させることができる。

以上説明したとおり、第１から第３の実施形態によれば、撮像部７１により撮像される画像に基づいて回転円板体１２に対する微生物の付着量を算出する場合、微生物の付着量の算出精度が低下することを抑制できる。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１０ 回転円板装置
１２ 回転円板体
２０ モータ
４０，８０１ コントローラ
５０ 監視装置
５１，８０４，１００３ 付着量推定部
５１ａ エリア検知部
５１ｂ エッジ検知部
５１ｃ エッジカウント部
５１ｄ 付着量算出部
５１ｅ 統合部
５２ 記憶部
５３，１００２ 画像処理部
７１ 撮像部
８０ 照明部
１１０ 水処理システム
８０４ａ 情報量算出部
１００５ 画像認識部
１００５ａ 特徴抽出部
１００５ｂ 学習部
１００５ｃ 推定部

Claims (15)

1. 微生物が付着した平板を、一部が原水に浸漬するように回転させながら、前記微生物によって前記原水を浄化する水処理システムであって、
   前記平板の画像を撮像する撮像部と、
   前記撮像部により撮像される前記画像に基づいて、前記平板に対する前記微生物の付着量を算出する算出部と、
   前記算出部により算出される前記付着量に基づいて、前記水処理システムの運転を制御するコントローラと、
   前記平板に対して光を照射する照明部と、
   を備える水処理システム。
2. 前記コントローラは、さらに、前記撮像部の撮像開始および撮像停止と、前記照明部の点灯および消灯と、を制御する、請求項１に記載の水処理システム。
3. 前記コントローラは、予め設定された時刻に、前記撮像部の撮像開始および前記照明部の点灯を指示する、請求項２に記載の水処理システム。
4. 前記コントローラは、予め設定された間隔で、前記撮像部の撮像開始および前記照明部の点灯を指示する、請求項２に記載の水処理システム。
5. 前記コントローラは、前記撮像部の撮像開始から撮像停止までの期間と、前記照明部の点灯から消灯までの期間と、を少なくとも一部で重ねる、請求項２に記載の水処理システム。
6. 前記予め設定された時刻は、夜間である、請求項３に記載の水処理システム。
7. 前記コントローラは、所定のイベントが発生した際に、前記撮像部の撮像開始および前記照明部の点灯を指示する、請求項２に記載の水処理システム。
8. 前記算出部は、
   前記画像から、前記平板の平板画像領域を検知する領域検知部と、
   前記平板画像領域のエッジを検知するエッジ検知部と、
   前記平板画像領域と、前記エッジの検知結果と、に基づいて、前記平板に対する前記微生物の付着量を算出する付着量算出部と、
   を備える、請求項１に記載の水処理システム。
9. 前記算出部は、
   前記画像から、前記平板の平板画像領域を検知する領域検知部と、
   前記平板画像領域の平均情報量を算出する情報量算出部と、
   を備える、請求項１に記載の水処理システム。
10. 前記情報量算出部は、前記平板画像領域に対して予め設定された画像処理を実行した後、当該平板画像領域の前記平均情報量を算出する、請求項９に記載の水処理システム。
11. 前記算出部は、
    前記画像から、前記平板の平板画像領域を検知する領域検知部と、
    前記平板画像領域の特徴量と、前記平板に対する前記微生物の付着量と、の関係を表すモデルを学習する学習部と、
    前記学習部により学習される前記モデルを用いて、前記平板画像領域の特徴量に対応する前記付着量を推定する推定部と、
    を備える、請求項１に記載の水処理システム。
12. 微生物が付着した平板を、一部が原水に浸漬するように回転させながら、前記微生物によって前記原水を浄化する水処理システムであって、
    前記平板の画像を撮像する撮像部と、
    前記画像から、前記平板の平板画像領域を検知する領域検知部と、
    前記平板画像領域のエッジを検知するエッジ検知部と、
    前記平板画像領域と、前記エッジの検知結果と、に基づいて、前記平板に対する前記微生物の付着量を算出する付着量算出部と、
    前記付着量に基づいて、前記水処理システムの運転を制御するコントローラと、
    を備える水処理システム。
13. 微生物が付着した平板を、一部が原水に浸漬するように回転させながら、前記微生物によって前記原水を浄化する水処理システムであって、
    前記平板の画像を撮像する撮像部と、
    前記画像から、前記平板の平板画像領域を検知する領域検知部と、
    前記平板画像領域の平均情報量を算出する情報量算出部と、
    前記平均情報量に基づいて、前記水処理システムの運転を制御するコントローラと、
    を備える水処理システム。
14. 前記情報量算出部は、前記平板画像領域に対して予め設定された画像処理を実行した後、当該平板画像領域の前記平均情報量を算出する、請求項１３に記載の水処理システム。
15. 微生物が付着した平板を、一部が原水に浸漬するように回転させながら、前記微生物によって前記原水を浄化する水処理システムであって、
    前記平板の画像を撮像する撮像部と、
    前記画像から、前記平板の平板画像領域を検知する領域検知部と、
    前記平板画像領域の特徴量と、前記平板に対する前記微生物の付着量と、の関係を表すモデルを学習する学習部と、
    前記学習部により学習される前記モデルを用いて、前記平板画像領域の特徴量に対応する前記付着量を推定する推定部と、
    前記付着量に基づいて、前記水処理システムの運転を制御するコントローラと、
    を備える水処理システム。

Images