JP7439865B2 - 監視システム、学習装置、監視方法、学習方法およびプログラム - Google Patents

Description

本発明は、監視システム、学習装置、監視方法、学習方法およびプログラムに関する。

排水処理において曝気槽と沈殿槽とを持つ好気性生物処理（活性汚泥）は成熟した処理形態であり、設備としてはエンジニアリング的にほぼ完成されている。しかしながら、生産物や生産工程、生産量の変更に伴い排水が変化し、想定水質、水量を元に設備設計した時とは流入条件（基質、濃度、流量）が異なってきていることが多い。また、多品種製造への移行から変動が多く、大きくなるケースも増え、プラントの維持管理がより複雑に、難しくなってきている。加えて、水質環境基準の見直しに対応してこれまで以上に処理の安定化が要求される中、一方では処理コストの削減、すなわち電力費や廃棄物費、薬品使用量の削減が求められるようになってきている。このため、処理の状態を正確にかつ迅速に掴み、状態に合わせて適切に調整するような高度な管理が必要とされるが、このような計測監視は容易でない。

処理の状態を監視する技術に関して、液面から垂直に超音波パルスを放射して、その反射パルスを受信した結果に基づいて、液中の浮遊混濁物から形成される界面の位置（界面深度）を測定する技術が知られている（例えば、特許文献１参照）。
また、固液分離槽などの槽内の状態を監視する技術が知られている（例えば、特許文献２参照）。この技術は、超音波または光を送出し、懸濁物堆積層を含む水中を伝播した超音波または光を受信するセンサによる受信信号をデジタル信号に変換するＡ／Ｄ変換器と、デジタル信号に基づいて、槽内の界面の位置を算出する算出部と、デジタル信号を画素データに変換するグラフィック変換部と、画素データおよび界面位置データを格納するメモリと、該メモリに格納されている画素データを表示する表示部とを備える。
また、複数の時間幅の画像情報の切り替え表示を迅速にかつ安定的に行うことができる界面レベル計が知られている（例えば、特許文献３参照）。この界面レベル計は、超音波センサと、超音波センサによる受信信号をデジタル信号に変換するＡ／Ｄ変換器と、デジタル信号に基づいて、懸濁物堆積層と上澄水との界面の位置を算出する算出部と、デジタル信号を所定の色階調に対応する画素データに変換するグラフィック変換部と、複数の画素データを含む画素列データの取得及び格納をそれぞれ異なる時間間隔で行う記憶領域を有するメモリと、記憶領域のいずれか１つに格納されている複数の画素列データを色階調に基づいて表示する表示領域、及び算出部により算出された前記界面の位置を表示する表示領域を有する表示部とを備える。

また、沈殿状態を計測する技術が知られている（例えば、特許文献４参照）。この技術は、沈殿池の水面から垂直下方に超音波を発信及び受信する超音波送受信手段と、超音波送受信手段で得られる反射受信波を処理する波形処理手段とを含む。波形処理手段で反射受信波の強度変化に基づいて水面下に浮遊する物質量、及び／または、沈殿物の濃度分布を計測する。
また、汚泥堆積層内の層同士の界面を検出する技術が知られている（例えば、特許文献５参照）。この技術は、固液分離槽内の液中において、超音波または光を送出すると共に、汚泥堆積層を含む水中を伝播した超音波または光を受信するセンサを用い、該センサからの信号に基づいて、汚泥堆積層と上澄水との界面の位置を検出すると共に、該汚泥堆積層内の最上層を占める自由沈降層とその下側の凝集沈降層との界面を検出する。この技術は、該汚泥堆積層内の最上部において槽の深さ方向におけるセンサの受信信号強度分布が一定である帯域を自由沈降層とし、該自由沈降層の受信信号強度よりも受信信号強度分布が大きくなり始める位置を自由沈降層と凝集沈降層との界面とする。

特開平３－２７４４８４号公報 特開２０１１－０４７７６１号公報 特開２０１１－１３０８４号公報 特開平４－２６４２３５号公報 特開２０１１－４７７６０号公報

前述した技術では、処理の状態を監視することによって得られる画像（以下「監視画像」という）は、人により解釈されていた。人は、監視画像を解釈することによって、現状の処理の状態を診断していた。また、処理の状態を診断した結果の原因について、人が経験に基づいて、診断していた。さらに、対処方法についても、人が判断していた。監視画像を解釈するには、経験が必要であり、解釈する人によって解釈結果に違いが生じる場合がある。
本発明は上記事情に鑑みてなされたものであり、排水を固液分離するための固液分離槽の槽内状態を監視できる監視システム、学習装置、監視方法、学習方法およびプログラムを提供することを目的とする。

（１）本発明の一態様は、排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定する判定部と、診断の対象である前記固液分離槽の前記上澄水画像と前記第１学習モデルとを用いて前記判定部が判定した前記固液分離槽の内部の状態を特定する情報を出力する出力部とを有する監視システムである。
（２）本発明の一態様は、排水を固液分離するための固液分離槽の内部を表した画像である監視画像と前記固液分離槽の内部の前記監視画像に基づく診断結果とに基づいて、監視画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部を表した監視画像から固液分離槽の内部の状態を判定する判定部と、診断の対象である前記固液分離槽の前記監視画像と前記第１学習モデルとを用いて前記判定部が判定した前記固液分離槽の内部の状態を特定する情報を出力する出力部とを有し、前記監視画像は、測定不良時の画像であるエラー画像を含まない、監視システムである。
（３）本発明の一態様は、上記（１）に記載の監視システムにおいて、前記上澄水画像は、測定不良時の画像であるエラー画像を含まない。
（４）本発明の一態様は、上記（１）に記載の監視システムにおいて、前記上澄水画像と前記上澄水画像に基づく診断結果となる原因を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の診断結果となる原因を特定する情報との関係を学習した第２学習モデルを用いて、診断の対象である前記固液分離槽の前記上澄水画像から固液分離槽の内部の前記状態となる原因を特定する情報を判定する原因判定部を有し、前記出力部は、診断の対象である前記固液分離槽の前記上澄水画像と前記第２学習モデルとを用いて前記原因判定部が判定した固液分離槽の内部の前記状態となる原因を特定する情報をさらに出力する。
（５）本発明の一態様は、上記（１）に記載の監視システムにおいて、前記上澄水画像と前記上澄水画像に基づく診断結果への対処方法を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の診断結果への対処方法を特定する情報との関係を学習した第３学習モデルを用いて、診断の対象である前記固液分離槽の前記上澄水画像から固液分離槽の内部の前記状態への対処方法を特定する情報を判定する対処方法判定部を有し、前記出力部は、診断の対象である前記固液分離槽の前記上澄水画像と前記第３学習モデルとを用いて前記対処方法判定部が判定した固液分離槽の内部の前記状態への対処方法を特定する情報をさらに出力する。
（６）本発明の一態様は、上記（１）に記載の監視システムにおいて、前記上澄水画像と前記上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の状態の変化を特定する情報との関係を学習した第４学習モデルを用いて、診断の対象である前記固液分離槽の前記上澄水画像から固液分離槽の内部の前記状態の変化の予兆を検出する変化予兆導出部を備え、前記出力部は、診断の対象である前記固液分離槽の前記上澄水画像と前記第４学習モデルとを用いて前記変化予兆導出部が検出した固液分離槽の内部の前記状態の変化の予兆を特定する情報をさらに出力する。
（７）本発明の一態様は、上記（１）に記載の監視システムにおいて、前記診断結果は、上澄水画像に含まれる固形物の堆積状態と固形物の浮遊状態とのいずれか一方又は両方に基づいて生成される。
（８）本発明の一態様は、上記（１）に記載の監視システムにおいて、前記判定部は、診断の対象である固液分離槽の内部を表した前記上澄水画像から固液分離槽の内部の状態が、正常と不調と異常とのいずれであるかを判定する。
（９）本発明の一態様は、上記（１）に記載の監視システムにおいて、前記判定部が、固液分離槽の内部の前記状態が不調と異常とのいずれかと判定した場合に固液分離槽の内部の前記状態が不調と異常とのいずれかの状態であることを通知する通知部をさらに有する。

（１０）本発明の一態様は、排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記固液分離槽の内部の状態の前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を表す第１学習モデルを学習によって生成する学習部を有する学習装置である。
（１１）本発明の一態様は、排水を固液分離するための固液分離槽の内部を表した画像である監視画像と前記固液分離槽の内部の状態の前記監視画像に基づく診断結果とに基づいて、監視画像と固液分離槽の内部の状態との関係を表す第１学習モデルを学習によって生成する学習部を有し、前記監視画像は、測定不良時の画像であるエラー画像を含まない、学習装置である。
（１２）本発明の一態様は、上記（１０）に記載の学習装置において、前記上澄水画像は、測定不良時の画像であるエラー画像を含まない。
（１３）本発明の一態様は、上記（１０）に記載の学習装置において、前記学習部は、前記上澄水画像と前記上澄水画像に基づく診断結果となる原因を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の診断結果となる原因を特定する情報との関係を表す第２学習モデルを学習によって生成する。
（１４）本発明の一態様は、上記（１０）に記載の学習装置において、前記学習部は、前記上澄水画像と前記上澄水画像に基づく診断結果への対処方法を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の診断結果への対処方法を特定する情報との関係を表した第３学習モデルを学習によって生成する。
（１５）本発明の一態様は、上記（１０）に記載の学習装置において、前記学習部は、前記上澄水画像と前記上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の状態の変化を特定する情報との関係を表した第４学習モデルを生成する。
（１６）本発明の一態様は、上記（１０）に記載の学習装置において、前記診断結果は、上澄水画像に含まれる固形物の堆積状態と固形物の浮遊状態とのいずれか一方又は両方に基づいて生成される。

（１７）本発明の一態様は、排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定するステップと、診断の対象である前記固液分離槽の前記上澄水画像と前記第１学習モデルとを用いて前記判定するステップで判定した前記固液分離槽の内部の状態を特定する情報を出力するステップと
を有す、監視システムが実行する監視方法である。

（１８）本発明の一態様は、排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を表す第１学習モデルを学習によって生成するステップを有する、学習装置が実行する学習方法である。

（１９）本発明の一態様は、監視システムのコンピュータに、排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定するステップと、診断の対象である前記固液分離槽の前記上澄水画像と前記第１学習モデルとを用いて前記判定するステップで判定した前記固液分離槽の内部の状態を特定する情報を出力するステップとを実行させる、プログラムである。

（２０）本発明の一態様は、学習装置のコンピュータに、排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記固液分離槽の内部の前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を表す第１学習モデルを学習によって生成するステップを実行させる、プログラムである。

本発明によれば、排水を固液分離するための固液分離槽の槽内状態を監視できる監視システム、学習装置、監視方法、学習方法およびプログラムを提供できるという効果がある。

本発明の実施形態に係る監視システムの構成例を示す図である。 超音波センサの一例を示す図である。 本実施形態に係る監視システムのデータ処理装置の一例を示す図である。 本実施形態に係る監視システムの動作の一例を示す図である。 監視画像の一例を示す図である。 教師データの一例を示す図である。 本実施形態に係る監視システムの動作の例１を示す図である。 本実施形態に係る監視システムの動作の例２を示す図である。 本実施形態に係る監視システムの動作の例３を示す図である。 本実施形態に係るデータ処理装置の他の例を示す図である。 本発明の実施形態の変形例１に係る監視システムの構成例を示す図である。 教師データの一例を示す図である。 実施形態の変形例１に係る監視システムの動作の例１を示す図である。 実施形態の変形例１に係る監視システムの動作の例２を示す図である。 本発明の実施形態の変形例２に係る監視システムの構成例を示す図である。 教師データの一例を示す図である。 実施形態の変形例２に係る監視システムの動作の例１を示す図である。 実施形態の変形例２に係る監視システムの動作の例２を示す図である。 本発明の実施形態の変形例３に係る監視システムの構成例を示す図である。 実施形態の変形例３に係る監視システムの動作の例１を示す図である。 実施形態の変形例３に係る監視システムの動作の例２を示す図である。 本発明の実施形態の変形例４に係る監視システムの構成例を示す図である。 本実施形態の変形例４に係る監視システムの監視装置の一例を示す図である。 実施形態の変形例４に係る監視システムの動作の例１を示す図である。 実施形態の変形例４に係る監視システムの動作の例２を示す図である。 エラー画像の一例である。 他の実施形態に係る監視システムの動作の例１を示す図である。 他の実施形態に係る監視システムの動作の例２を示す図である。 本実施形態に係る監視システムの動作の例３を示す図である。

本実施形態の監視システム、監視方法およびプログラムを、図面を参照しつつ説明する。以下で説明する実施形態は一例に過ぎず、本発明が適用される実施形態は、以下の実施形態に限られない。
なお、実施形態を説明するための全図において、同一の機能を有するものは同一符号を用い、繰り返しの説明は省略する。
また、本願でいう「ＸＸに基づいて」とは、「少なくともＸＸに基づく」ことを意味し、ＸＸに加えて別の要素に基づく場合も含む。また、「ＸＸに基づいて」とは、ＸＸを直接に用いる場合に限定されず、ＸＸに対して演算や加工が行われたものに基づく場合も含む。「ＸＸ」は、任意の要素（例えば、任意の情報）である。

［実施形態］
（監視システム）
図１は、本発明の実施形態に係る監視システムの構成例を示す図である。本実施形態に係る監視システム１００は、沈殿槽、濃縮槽などの固液分離槽の汚泥堆積状態を診断する。本実施形態では、固液分離槽を備える設備の一例として、下水処理設備１０について説明を続ける。
（下水処理設備１０）
下水処理設備１０の一例は、前沈殿槽１１と、濃縮槽１２と、貯留槽１３と、脱水機１４と、コンテナ１５と、曝気槽１６と、後沈殿槽１７と、ポンプ１８と、設備制御装置１９とを備える。
前沈殿槽１１は、流路Ｐ１によって曝気槽１６と接続されている。前沈殿槽１１には、原水が導入される。前沈殿槽１１は、導入された原水から初沈汚泥（引抜汚泥）を沈降分離する。沈降分離後の被処理水は、流路Ｐ１を経由して曝気槽１６に導入される。
曝気槽１６は、流路Ｐ２によって後沈殿槽１７と接続されている。曝気槽１６は、前沈殿槽１１から導入された被処理水に対して、散気管からの空気曝気により好気性処理を行う。曝気槽１６において好気性処理された被処理水は、流路Ｐ２を経由して後沈殿槽１７に導入される。

後沈殿槽１７は、流路Ｐ３によってポンプ１８と接続されている。ポンプ１８は、流路Ｐ４と接続されている。流路Ｐ４は流路Ｐ５と流路Ｐ６とに分岐されている。流路Ｐ５は濃縮槽１２と接続され、流路Ｐ６は曝気槽１６と接続されている。後沈殿槽１７は、曝気槽１６から導入された被処理水を沈降汚泥（引抜汚泥）と上澄水とに分離する。後沈殿槽１７の上澄水は、放流水として下水処理設備１０の外に放流される。また、後沈殿槽１７に沈殿した汚泥の一部は、余剰汚泥としてポンプ１８と流路Ｐ４と流路Ｐ５とを経由して濃縮槽１２へ導入される。後沈殿槽１７に沈殿した汚泥の残りは、返送汚泥として、流路Ｐ４と配管Ｐ６とを経由して曝気槽１６へ返送される。ポンプ１８が設備制御装置１９によって制御されることによって、後沈殿槽１７に沈殿した汚泥のうち、所定の量の汚泥が流路Ｐ４に導入される。
また、前沈殿槽１１は、流路Ｐ７によって濃縮槽１２と接続されている。濃縮槽１２には、前沈殿槽１１から流路Ｐ７を経由して引抜汚泥が導入される。濃縮槽１２は流路Ｐ８によって前沈殿槽１１と接続され、流路Ｐ９によって貯留槽１３と接続される。

濃縮槽１２では、投入された汚泥は重力によって上澄水と濃縮汚泥とに分離される。上澄水は、流路Ｐ８を介して前沈殿槽１１に返送される。濃縮汚泥は、濃縮槽１２の底部から抜き出され、流路Ｐ９を介して貯留槽１３に導入される。
貯留槽１３は、流路Ｐ１０によって脱水機１４と接続されている。貯留槽１３は、濃縮槽１２から導入された濃縮汚泥を一時的に貯める。濃縮槽１２に貯められた濃縮汚泥は、脱水機１４に導入される。脱水機１４は、コンベヤＰ１１によってコンテナ１５と接続されている。脱水機１４は、貯留槽１３から導入された濃縮汚泥を脱水処理する。脱水処理することによって生じた脱水ケーキは、コンベヤＰ１１を経由してコンテナ１５へ導入される。コンテナ１５は、脱水機１４によって導入された脱水ケーキを収容し、収容した脱水ケーキを搬出する。

（監視システム１００）
監視システム１００は、超音波センサ２０と、データ処理装置３０と、ゲートウェイ装置３１と、情報処理装置４０と、端末装置４５と、監視装置５０とを備える。
ゲートウェイ装置３１と、情報処理装置４０と、端末装置４５と、監視装置５０とは、ネットワークＮＷを介して接続される。ネットワークＮＷは、無線または有線による通信網である。このネットワークＮＷには、インターネットやイントラネットなどが含まれる。具体的には、ネットワークＮＷは、ＷＡＮ（Wide Area Network）、ＬＡＮ（Local Area Network）などによって構成される情報通信ネットワークである。このＷＡＮには、例えば、携帯電話網、ＰＨＳ（Personal Handy-phone System）網、ＰＳＴＮ（Public Switched Telephone Network；公衆交換電話網）、専用通信回線網、およびＶＰＮ（Virtual Private Network）などが含まれる。

超音波センサ２０は、超音波発信回路から、パルス電圧を超音波振動子に与えて水中に超音波を発信する。本実施形態では、一例として、超音波センサ２０が、後沈殿槽１７に設置され、後沈殿槽の内部に超音波を発信する場合について説明を続ける。ここで、電圧［Ｖ］から音圧［ｄＢ］に転換される。振動子が微小に震えることによって、超音波を生じる。振動子の一例は、セラミック素子である。水中で”何か”に反射して返ってきた反射波を振動子が受けると起電することによって起電力が生じ、超音波受信回路が電圧を検出する。
図２は、超音波センサの一例を示す図である。図２に示すように、超音波センサ２０は送信用の振動子２である発振（発信）部２１と受信用の振動子である受信部２２とを備える。図２には、一例として、超音波センサ２０が、発振部２１と受信部２２との二個の振動子を備える場合について説明する。しかし、送信用の振動子と受信用の振動子とを一つの振動子で実現してもよい。
超音波センサ２０は、汚泥等の懸濁物堆積層２３とその懸濁物堆積層２３の上澄水２４とを貯留する後沈殿槽１７（以下、処理槽２５ともいう）の所定の高さ２７に機構（図示なし）によって取り付けられている。超音波センサ２０を計測する処理槽２５に設置することによって、深さは不変となるため、深さを変更することはない。例えば深さが５ｍの槽であるとき、２００ドットを５ｍに振り分けて画像データベースを作成することができる。この場合、１画素当たり２．５ｃｍとなり、表示分解能は２．５ｃｍとなる。例えば、計測設定時に深さを入力する設定項目があり、この設定値に基づき深さ方向データの間引きが行なわれてもよい。ある部分を拡大できるように、全データを収納していて、指示に応じて間引き表示させたり、部分的に拡大して表示（全表示）させたりしてもよい。 発振部２１は、信号生成回路（図示なし）により生成された電気信号を超音波振動子に与え、処理槽２５の下面に向かって送信する。

発振部２１によって送信された超音波は、懸濁物堆積層２３とその上澄水２４との界面２６や、界面２６下の懸濁物や処理槽２５の底部等によって反射される。反射波は、反射した物体の位置（距離、深さ）に比例した時間差（到達時間）を生じながら、次々に返ってくる。反射波の強さは、その物体の性状（≒密度）に関係し、その情報は音圧（ｄＢ）で表される。反射波は受信部２２によって受信される。受信部２２では、音圧が振動子を振動させ、その強さに応じた電圧が起電する。ここで、音圧［ｄＢ］から電圧［Ｖ］に転換される。受信部２２は受信信号をデータ処理装置３０へ出力する。データ処理装置３０は、受信部２２が出力した受信信号を受信し、受信した受信信号を画像データへ変換する。

図３は、本実施形態に係る監視システムのデータ処理装置の一例を示す図である。図３に示される例では、送信用の振動子と受信用の振動子とが一つの振動子で実現されている場合について説明する。
データ処理装置３０は、超音波発信受信回路３２と、データ変換回路３３と、データ演算部３４と、画像データ格納部３５とを備える。
超音波発信受信回路３２は、超音波を送信するための電気信号を生成し、生成した電気信号を超音波センサ２０へ出力する。超音波発信受信回路３２は、超音波センサ２０が出力した電気信号を受信する。超音波発信受信回路３２は、受信した電気信号をデータ変換回路３３へ出力する。
データ変換回路３３は、超音波発信受信回路３２が出力した電気信号を取得する。データ変換回路３３は、取得した電気信号を増幅する。データ変換回路３３は、増幅した電気信号をマスキング処理する。データ変換回路３３は、増幅した電気信号をマスキング処理した結果に基づいて、信号強度をデジタル処理化することによってデジタル信号へ変換する。例えば、データ変換回路３３は、電気信号を信号強度に基づいて例えば２５６諧調に変換する。データ変換回路３３は、デジタル信号をデータ演算部３４へ出力する。

データ演算部３４は、データ変換回路３３が出力したデジタル信号を取得する。また、データ演算部３４は、超音波センサ２０に設置された熱電対（図示なし）から温度データを取得する。データ演算部３４は、取得した温度データを使用して水中を進行する音速の補正演算を行う。また、データ演算部３４は、取得したデジタル信号に基づいて、信号の位置（＝距離）を時間の関数で表す。また、データ演算部３４は、取得したデジタル信号に基づいて、超音波センサ２０が超音波を送信してからの時間経過に伴う反射強度（信号強度）の変化を演算する。データ演算部３４は、信号の位置（＝距離）を時間の関数で表した結果と超音波を送信してからの時間経過に伴う反射強度（信号強度）の変化を演算した結果とに基づいて、信号強度と位置情報とを関連付ける。データ演算部３４は、信号強度と位置情報とを関連付けて一時的に格納（ストック）する。
データ演算部３４は、懸濁物堆積層２３と上澄水２４との界面２６の位置（深さ）を算出する。例えば、データ演算部３４は、超音波センサ２０が超音波を送信してからの超音波の反射強度の時間経過に基づいて、反射強度が所定の閾値を超えて急激に大きくなったタイミングまでの経過時間を導出する。データ演算部３４は、導出した時間経過に基づいて、界面２６までの距離（界面２６の位置）を算出する。データ演算部３４は、界面レベルの数値のデジタルデータを画像データ格納部３５へ出力する。

データ演算部３４は、ストックしていた信号強度と位置情報とを関連付けた情報と、界面レベルの数値のデジタルデータとを画像データ格納部３５へ出力する。ここで、データ演算部３４は、界面レベルの判定ができなかった場合には、判定エラーを示す情報を画像データ格納部３５へ出力してもよい。データ演算部３４は、信号強度と位置情報とを関連付けた情報と、界面レベルの数値のデジタルデータとの各々と温度データとを関連付けた情報とを画像データ格納部３５へ出力してもよい。
図４は、本実施形態に係る監視システムの動作の一例を示す図である。図４は、データ演算部３４から画像データ格納部３５へ出力されるデータの一例を示す。データ演算部３４から画像データ格納部３５へ出力されるデータの一例は瞬時値で表されている。図４は、データ演算部３４から画像データ格納部３５へ出力される瞬時値を二次元化して表示したものである。
データ処理装置３０では、データ演算部３４は、デジタル信号を、ゲートウェイ装置３１を経由して監視装置５０へ送信する。図１に戻り説明を続ける。

（監視装置５０）
監視装置５０は、パーソナルコンピュータ、サーバー、又は産業用コンピュータ等の装置によって実現される。監視装置５０は、通信装置５１と、記録装置５２と、情報処理部５３と、各構成要素を図１に示されているように電気的に接続するためのアドレスバスやデータバス等のバスラインＢＬとを備える。
通信装置５１は、通信モジュールによって実現される。通信装置５１は、ネットワークＮＷを経由して、データ処理装置３０、情報処理装置４０などの他の装置と通信を行う。通信装置５１は、データ処理装置３０が送信したデジタル信号を受信する。例えば、通信装置５１は、所定の時間間隔毎に過去所定時間の間に計測されたデータを受信する。
具体的には、通信装置５１は、１時間に一回、過去１時間分のデータを受信する。また、通信装置５１は、端末装置４５が送信した監視画像を要求するための監視画像要求を受信する。ここで、監視画像は、固液分離槽に超音波が送信されてからの時間経過に伴う反射強度（受信強度）の変化を示す画像である。通信装置５１は、受信した監視画像要求に対して、情報処理部５３が出力した監視画像応答を端末装置４５へ送信する。通信装置５１は、送信した監視画像応答に対して、端末装置４５が送信した診断結果通知を受信する。診断結果通知には、監視画像を示す情報と、固液分離槽の内部の状態の診断結果を示す情報が含まれる。
また、通信装置５１は、情報処理装置４０が送信した槽内状態情報要求を受信する。通信装置５１は、情報処理部５３が出力した槽内状態情報応答を情報処理装置４０へ送信する。通信装置５１は、情報処理部５３が出力した状態通知情報を取得し、取得した状態通知情報を情報処理装置４０へ送信する。

記録装置５２は、例えば、ＲＡＭ、ＲＯＭ、ＨＤＤ、フラッシュメモリ、又はこれらのうち複数が組み合わされたハイブリッド型記憶装置などにより実現される。記録装置５２には、監視装置５０により実行されるプログラム（監視アプリ）が記憶される。また、記録装置５２には、情報処理部５３が出力する画素データが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像による固液分離槽の内部（槽内）の診断結果とを関連付けた診断結果の教師データと、診断結果の教師データに基づいて、上澄水画像と固液分離槽の内部の状態との関係を機械学習することによって得られた診断結果の学習モデルとが記憶される。ここで、監視画像及び監視画像に含まれる上澄水画像について説明する。
図５は、監視画像の一例を示す。データ処理装置３０は、超音波センサ２０から水中下方（＝底面方向）へ超音波を発信し、超音波が進行する範囲内に存在している物体に当たり返ってきた反射波を受信し、受信した反射波をデジタル信号へ変換する。
情報処理部５３は、データ処理装置３０が送信したデジタル信号を取得する。情報処理部５３は、取得したデジタル信号に基づいて、反射波の強度を色調に変換し、反射波が返ってくるまでの時間を距離に変換して位置情報として与え、色調と距離とを合わせて縦方向にセンサからの距離（＝水深）、かつ横方向に経時的（＝時系列）に連続プロットする。この連続プロットしたものが監視画像である。図５に示されるように、監視画像には、固液分離槽の底面から固液分離槽底面、レーキ、汚泥堆積層、汚泥界面、上澄水に該当する像が見られる。上澄水画像は、監視画像に含まれる上澄水の画像である。図２を用いて説明すると、監視画像は超音波センサ２０による懸濁物堆積層２３と上澄水２４の測定結果であるのに対し、上澄水画像は超音波センサ２０による上澄水２４のみの測定結果である。
図６は、教師データの一例を示す図である。図６は、診断結果の教師データを示す。診断結果の教師データは、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果とを関連付けたデータである。本実施形態では、一例として、複数の上澄水画像の各々に対して、診断結果として「正常」と「異常」と「不調」とのいずれかが関連付けられる。図６の説明においては、便宜上監視画像により説明する。図６において、（１）は、上澄水が十分な深さがあるため、正常であると診断される。（２）は、上澄水の深さが浅いため、異常であると診断される。（３）は、上澄水に堆積汚泥の舞い上がりが見られるため、不調であると診断される。図１に戻り説明を続ける。

情報処理部５３は、例えば、グラフィック化部５４と、現状判定部５５と、学習部５６として機能する。
グラフィック化部５４は、通信装置５１が受信したデジタル信号を取得する。グラフィック化部５４は、取得したデジタル信号の値を画素データに変換する。グラフィック化部５４は、デジタル信号の変換後の画素データを記録装置５２に記憶させる。
グラフィック化部５４は、通信装置５１が受信した上澄水画像要求を取得する。グラフィック化部５４は、取得した上澄水画像要求に基づいて、記録装置５２に記憶した画素データを取得する。グラフィック化部５４は、取得した画素データに基づいて、監視画像に含まれる上澄水の画像を作成する。グラフィック化部５４は、作成した上澄水画像を示す情報を含み、情報処理装置４０を宛先とする上澄水画像応答を作成する。グラフィック化部５４は、作成した上澄水画像応答を通信装置５１へ出力する。
グラフィック化部５４は、例えば監視画像から上澄水と汚泥堆積層の界面である汚泥界面を検出し、汚泥界面から縦方向上方（水深が浅くなる方向）の画素データを上澄水画像として作成する。汚泥界面は、データ演算部３４により算出される界面２６である。グラフィック化部５４は、データ演算部３４により算出される界面２６の位置を汚泥界面としてもよい。グラフィック化部５４は、通信装置５１が受信した槽内状態情報要求を取得する。グラフィック化部５４は、取得した槽内状態情報要求に基づいて、記録装置５２に記憶した画素データを取得し、取得した画素データに基づいて、上澄水画像を作成する。グラフィック化部５４は、作成した上澄水画像を示す情報を含み、情報処理装置４０を宛先とする槽内状態情報応答を作成する。グラフィック化部５４は、作成した槽内状態情報応答を通信装置５１へ出力する。

現状判定部５５は、記録装置５２に記憶された画素データを取得し、取得した画素データに基づいて、上澄水画像を作成する。現状判定部５５は、記録装置５２に記憶された診断結果の学習モデルを取得する。現状判定部５５は、取得した診断結果の学習モデルに基づいて、作成した上澄水画像の固液分離槽の内部の状態を判定する。現状判定部５５は、固液分離槽の内部の状態の判定結果が不調又は異常である場合には、固液分離槽の内部の状態の判定結果を示す情報を含む、情報処理装置４０を宛先とする状態通知情報を作成する。現状判定部５５は、作成した状態通知情報を通信装置５１へ出力する。通信装置５１は、現状判定部５５が出力した状態通知情報を取得し、取得した状態通知情報を情報処理装置４０へ送信する。
現状判定部５５は、上澄水画像を作成する場合に、計測したデータをそのまま使用してもよいし、間引きすることによって限られた表示幅に長時間の間に計測されたデータを含めてもよい。限られた表示幅に長時間の間に計測されたデータを含めることによって、より長い時間の変化を監視できる。仮に、静止画であるならば、任意の適当な間隔で画素データをピックアップして切替表示させることができるが、本実施形態では常に計測を行なって新しいデータが追加されていくため、任意の適当な間隔で画素データをピックアップして切替表示させた場合にはデータ処理に遅延や阻害をきたすおそれがあり、画像表示のために計測が不安定となっては本末転倒となる。そこで、本実施形態では、予めプリセットされた表示時間幅がいくつか用意され、複数の表示時間幅の各々に対応する時間幅用のデータ格納領域が作成される。本実施形態では、新規データを追加する間隔（インターバル）が指定され、複数のインターバルの各々に対応する画像データベース（データ格納領域（番地））が作成される。

監視装置５０に対して、表示を切り替える操作が行われるとともに、表示時間幅が選択される。現状判定部５５は、選択された時間表示幅に対応したデータベースからデータを取得し、取得したデータを使用して上澄水画像を作成する。仮に、時間表示幅を切り替え操作が行われた場合には、選択された時間表示幅に対応したデータベースからデータを取得し、取得したデータを使用して上澄水画像を作成する。このように構成することによって、データが格納されるデータベースのデータを加工することなく、上澄水画像を作成するタイムラグもなく、スムーズな切り替えができる。
学習部５６は、通信装置５１が受信した診断結果通知を取得し、取得した診断結果通知に含まれる上澄水画像を示す情報とその上澄水画像による固液分離槽の内部（槽内）の状態の診断結果とを関連付けた診断結果の教師データを記録装置５２に記憶させる。学習部５６は、記録装置５２に記憶された診断結果の教師データを取得する。学習部５６は、取得した診断結果の教師データに基づいて、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果とを機械学習（教師あり学習）することによって、上澄水画像と固液分離槽の内部の状態とを関係付けた診断結果の学習モデルを生成する。例えば、学習部５６は、畳み込みニューラルネットワーク（ＣＮＮ： Ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）を使用して、上澄水画像を認識する。診断結果の学習モデルによって、上澄水画像を示す情報に基づいて、上澄水画像が、固液分離槽の内部の状態として、正常と、不調と、異常とのいずれかに分類される。学習部５６は、生成した診断結果の学習モデルを記録装置５２に記憶させる。
情報処理部５３の全部または一部は、例えば、ＣＰＵ（Central Processing Unit）などのプロセッサが記録装置５２に格納された監視アプリなどのプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。なお、情報処理部５３の全部または一部は、ＬＳＩ（Large Scale Integration）、ＡＳＩＣ（Application Specific Integrated Circuit）、またはＦＰＧＡ（Field-Programmable Gate Array）などのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。

（情報処理装置４０）
情報処理装置４０は、パーソナルコンピュータ、サーバー、又は産業用コンピュータ等の装置によって実現される。情報処理装置４０の一例は、下水処理設備１０を遠隔から監視する監視センタに設置される。
情報処理装置４０は、監視装置５０が送信した状態情報通知を受信した場合に、受信した状態情報通知に含まれる固液分離槽の判定結果を表示する。
また、情報処理装置４０は、オペレータが固液分離槽内の状態の情報を取得する操作に基づいて、槽内の状態を要求する情報を含む、監視装置５０を宛先とする槽内状態情報要求を作成する。情報処理装置４０は、作成した槽内状態情報要求を通信装置５１へ送信する。
情報処理装置４０は、槽内状態情報要求に対して監視装置５０が送信した槽内状態情報応答を受信する。情報処理装置４０は、受信した槽内状態情報応答に含まれる上澄水画像を取得する。情報処理装置４０は、取得した上澄水画像を表示する。

（端末装置４５）
端末装置４５は、パーソナルコンピュータ、サーバー、又は産業用コンピュータ等の装置によって実現される。端末装置４５の一例は、下水処理設備１０を監視する監視センタに設置される。
ユーザーは、固液分離槽の内部の状態を診断する場合に、端末装置４５を操作することによって、上澄水画像を要求する情報を含む、監視装置５０を宛先とする上澄水画像要求を作成させる。端末装置４５は、ユーザーの操作に基づいて、上澄水画像要求を作成する。端末装置４５は、作成した上澄水画像要求を監視装置５０へ送信する。
端末装置４５は、監視装置５０へ送信した上澄水画像要求に対して監視装置５０が送信した上澄水画像応答を受信する。端末装置４５は、上澄水画像応答に含まれる監視画像を表示する。ユーザーは、端末装置４５が表示した上澄水画像を参照し、上澄水画像に含まれる固液分離槽の内部の状態を診断する。
ユーザーは、端末装置４５を操作することによって、上澄水画像を示す情報と、固液分離槽の内部の状態の診断結果を含む、監視装置５０を宛先とする診断結果通知を作成させる。端末装置４５は、ユーザーの操作に基づいて、診断結果通知を作成する。端末装置４５は、作成した診断結果通知を監視装置５０へ送信する。

（監視システムの動作）
図７は、本実施形態に係る監視システムの動作の例１を示す図である。図７を参照して、監視装置５０が、端末装置４５が送信した診断結果通知に含まれる固液分離槽の内部の状態の診断結果を蓄積し、蓄積した固液分離槽の内部の状態の診断結果に基づいて、機械学習を行い、診断結果の学習モデルを生成する処理について説明する。
（ステップＳ１－１）
データ処理装置３０において、超音波発信受信回路３２は超音波を送信するための電気信号を生成し、生成した電気信号を超音波センサ２０へ出力する。
（ステップＳ２－１）
データ処理装置３０において、超音波発信受信回路３２は超音波センサ２０が出力した電気信号を受信する。
（ステップＳ３－１）
データ処理装置３０において、超音波発信受信回路３２は、受信した電気信号をデータ変換回路３３へ出力する。データ変換回路３３は、超音波発信受信回路３２が出力した電気信号を取得する。データ変換回路３３は、取得した電気信号を増幅する。データ変換回路３３は、増幅した電気信号をマスキング処理する。データ変換回路３３は、増幅した電気信号をマスキング処理した結果に基づいて、信号強度をデジタル処理化することによってデジタル信号へ変換する。データ演算部３４は、データ変換回路３３からデジタル信号を取得し、取得したデジタル信号について、位置（距離）情報に関わる温度補正演算、界面レベルの判定演算を行う。
（ステップＳ４－１）
データ処理装置３０において、データ演算部３４は、位置（距離）情報に関わる温度補正演算、界面レベルの判定演算を行ったデジタル信号を、ゲートウェイ装置３１を経由して監視装置５０へ送信する。
（ステップＳ５－１）
監視装置５０において、通信装置５１は、データ処理装置３０が送信したデジタル信号を受信する。グラフィック化部５４は、通信装置５１が受信したデジタル信号を取得する。グラフィック化部５４は、取得したデジタル信号の値を画素データに変換する。
（ステップＳ６－１）
監視装置５０において、グラフィック化部５４は、デジタル信号に変換後の画素データを記録装置５２に記憶させる。
（ステップＳ７－１）
端末装置４５は、上澄水画像要求を作成する。

（ステップＳ８－１）
端末装置４５は、作成した上澄水画像要求を監視装置５０へ送信する。
（ステップＳ９－１）
監視装置５０において、通信装置５１は、端末装置４５が送信した上澄水画像要求を受信する。グラフィック化部５４は、通信装置５１が受信した上澄水画像要求を取得する。グラフィック化部５４は、取得した上澄水画像要求に基づいて、記録装置５２に記憶した画素データを取得する。グラフィック化部５４は、取得した画素データに基づいて、上澄水画像を作成する。グラフィック化部５４は、作成した上澄水画像を示す情報を含む、端末装置４５を宛先とする上澄水画像応答を作成する。
（ステップＳ１０－１）
監視装置５０において、グラフィック化部５４は、作成した上澄水画像応答を通信装置５１へ出力する。通信装置５１は、グラフィック化部５４が出力した上澄水画像応答を取得し、取得した上澄水画像応答を端末装置４５へ送信する。
（ステップＳ１１－１）
端末装置４５は、監視装置５０が送信した上澄水画像応答を受信する。端末装置４５は、受信した上澄水画像応答に含まれる上澄水画像を示す情報を画像処理することによって上澄水画像を表示する。端末装置４５は、上澄水画像を示す情報と、上澄水画像を診断した結果とを含む診断結果通知を作成する。
（ステップＳ１２－１）
端末装置４５は、作成した診断結果通知を監視装置５０へ送信する。
（ステップＳ１３－１）
監視装置５０において、通信装置５１は、端末装置４５が送信した診断結果通知を受信する。学習部５６は、通信装置５１が受信した診断結果通知を取得し、取得した診断結果通知に含まれる上澄水画像を示す情報とその上澄水画像による固液分離槽の内部（槽内）の状態の診断結果とを関連付けた診断結果の教師データを記録装置５２に記憶させる。
（ステップＳ１４－１）
監視装置５０において、学習部５６は、記録装置５２に記憶された診断結果の教師データを取得する。学習部５６は、取得した診断結果の教師データに基づいて、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果とを機械学習することによって、上澄水画像と固液分離槽の内部の状態とを関係付けた診断結果の学習モデルを生成する。
（ステップＳ１５－１）
監視装置５０において、学習部５６は、生成した診断結果の学習モデルを記録装置５２に記憶させる。

なお、診断結果通知は、上澄水画像ではなく監視画像に基づいて診断された結果であってもよい。つまり、ステップＳ７－１において端末装置４５が監視画像要求を作成し、ステップＳ８－１において端末装置４５が作成した監視画像要求を監視装置５０へ送信し、ステップＳ９－１において監視装置５０が監視画像を作成し、ステップＳ１０－１において監視装置５０が監視画像応答を端末装置４５へ送信してもよい。

図８は、本実施形態に係る監視システムの動作の例２を示す図である。図８を参照して、監視装置５０が、データ処理装置３０が送信したデジタル信号を取得し、取得したデジタル信号に基づいて、上澄水画像を作成する。監視装置５０が、作成した上澄水画像に基づいて、固液分離槽の内部の状態を判定する処理について説明する。
ステップＳ１－２からＳ６－２は、図７のステップＳ１－１からＳ６－１を適用できるため、ここでの説明は省略する。
（ステップＳ７－２）
監視装置５０において、現状判定部５５は、記録装置５２に記憶された画素データを取得し、取得した画素データに基づいて、上澄水画像を作成する。
（ステップＳ８－２）
監視装置５０において、現状判定部５５は、記録装置５２に記憶された診断結果の学習モデルを取得する。
（ステップＳ９－２）
監視装置５０において、現状判定部５５は、取得した診断結果の学習モデルに基づいて、作成した上澄水画像の固液分離槽の内部の状態を判定する。
（ステップＳ１０－２）
監視装置５０において、現状判定部５５は、固液分離槽の内部の状態の判定結果が不調又は異常であるか否かを判定する。現状判定部５５は、固液分離槽の内部の状態の判定結果が不調と異常とのいずれでもない、つまり正常と判定した場合には終了する。
（ステップＳ１１－２）
監視装置５０において、現状判定部５５は、固液分離槽の内部の状態の判定結果が不調又は異常であると判定した場合には、固液分離槽の内部の状態の判定結果を示す情報を含む、情報処理装置４０を宛先とする状態通知情報を作成する。
（ステップＳ１２－２）
監視装置５０において、現状判定部５５は、作成した状態通知情報を通信装置５１へ出力する。通信装置５１は、現状判定部５５が出力した状態通知情報を取得し、取得した状態通知情報を情報処理装置４０へ送信する。

なお、ステップＳ７－２において監視装置５０は上澄水画像を作成するが一例に過ぎない。例えば、監視装置５０が画素データに基づいて監視画像を作成し、その後のステップにおいて汚泥界面より深い部分を無視するなどにより、上澄水画像に着目していればよい。

図９は、本実施形態に係る監視システムの動作の例３を示す図である。図９を参照して、監視装置５０が、情報処理装置４０が送信した槽内状態情報要求に基づいて、上澄水画像を示す情報を送信する処理について説明する。
ステップＳ１－３からＳ６－３は、図７のステップＳ１－１からＳ６－１を適用できるため、ここでの説明は省略する。
（ステップＳ７－３）
情報処理装置４０は、ユーザーの操作に基づいて、槽内状態情報要求を作成する。
（ステップＳ８－３）
情報処理装置４０は、作成した槽内状態情報要求を監視装置５０へ送信する。
（ステップＳ９－３）
監視装置５０において、通信装置５１は、情報処理装置４０が送信した槽内状態情報要求を受信する。グラフィック化部５４は、通信装置５１が受信した槽内状態情報要求を取得する。グラフィック化部５４は、取得した槽内状態情報要求に基づいて、記録装置５２に記憶した画素データを取得し、取得した画素データに基づいて、上澄水画像を作成する。
（ステップＳ１０－３）
監視装置５０において、グラフィック化部５４は、作成した上澄水画像を示す情報を含む、情報処理装置４０を宛先とする槽内状態情報応答を作成する。
（ステップＳ１１－３）
監視装置５０において、グラフィック化部５４は、作成した槽内状態情報応答を通信装置５１へ出力する。通信装置５１は、グラフィック化部５４が出力した槽内状態情報応答を取得し、取得した槽内状態情報応答を情報処理装置４０へ送信する。
ステップＳ１１－３の後、情報処理装置４０は、監視装置５０が送信した槽内状態情報応答を受信し、受信した槽内状態情報応答に含まれる上澄水画像を示す情報を取得する。情報処理装置４０は、取得した上澄水画像を示す情報を画像処理することによって、上澄水画像を表示する。このように構成することによって、情報処理装置４０のユーザーは、固液分離槽の内部の状態を確認できる。
なお、監視装置５０は、上澄水画像ではなく監視画像を作成してもよいし、槽内状態情報応答は監視画像を示す情報を含んでもよく、情報処理装置４０は、取得した監視画像を示す情報を画像処理することによって、監視画像を表示してもよい。

前述した実施形態では、一例として、後沈殿槽１７に超音波センサ２０が設置され、後沈殿槽１７の内部の状態が判定される場合について説明したが、この例に限られない。例えば、前沈殿槽１１に超音波センサ２０が設置され、前沈殿槽１１の内部の状態が判定されてもよいし、濃縮槽１２に超音波センサ２０が設置され、濃縮槽１２の内部の状態が判定されてもよい。つまり、後沈殿槽１７と前沈殿槽１１と濃縮槽１２との少なくとも一つに超音波センサ２０が設置され、内部の状態が判定される。
前述した実施形態では、１つの下水処理設備１０に監視システム１００が接続されている場合について説明したが、この例に限られない。例えば、複数の下水処理設備１０に監視システム１００が接続されてもよいし、１つの下水処理設備１０に複数の監視システム１００が接続されてもよい。仮に、複数の下水処理設備１０に監視システム１００が接続された場合には、Ａという設備で経験のない非定常状態が生じた場合に、Ｂという設備でその非定常状態が生じた経験があれば、“異常”として判断し、出力される可能性が高い。つまり、監視装置５０は、より多くの学習が可能となるため、判定に使用できる事例数を増加させることができる。このため、異常又は不調と判断できる非定常状態を増加させることができる。
前述した実施形態では、監視装置５０が機械学習を行う場合について説明したが、この例に限られない。例えば、機械学習を行う装置を監視装置５０とは別の装置で実現してもよい。この場合、学習装置は、排水を固液分離するための固液分離槽の内部を表した画像である上澄水画像と固液分離槽の内部の上澄水画像に基づく診断結果とを監視装置５０から取得する。学習装置は、取得した上澄水画像と固液分離槽の内部の状態の上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を表す診断結果の学習モデルを機械学習（教師あり機械学習）によって生成する学習部を有する。
前述した実施形態では、上澄水画像に基づいて固液分離槽の内部の状態の判定結果が正常と異常と不調とのいずれかであるかを判定する場合について説明したが、この例に限られない。例えば、上澄水画像に基づいて固液分離槽の内部の状態の判定結果が正常と異常とのいずれかであるかを判定してもよいし、上澄水画像に基づいて固液分離槽の内部の状態の判定結果が四種類以上に分類されてもよい。

前述した実施形態において、現状判定部５５は、作成した上澄水画像を過去の正常な状態の上澄水画像と比較した結果、変化があると判定される場合に、記録装置５２に記憶されている診断結果の学習モデルを使用して、固液分離槽の内部の状態を判定してもよい。
前述した実施形態において、データ処理装置３０に、表示切替操作部３６と、画像データ表示部３７とを備えるようにしてもよい。
図１０は、本実施形態に係るデータ処理装置の他の例を示す図である。表示切替操作部３６の一例は、表示切替ボタンによって構成される。画像データ表示部３７の一例は、ディスプレイである。画像データ表示部３７に、計測したデータをそのまま表示させてもよいし、計測したデータを間引くことによって限られた表示幅に長時間のデータを表示させてもよい。限られた表示幅に長時間のデータを表示させることによって、長時間の時間変化を監視することができる。
仮に、画像データ表示部３７に静止画を表示させる場合には、任意の適当な間隔で画素データをピックアップして切替表示させることができるが、本実施形態のように常に計測を行なって新しいデータが追加されていく場合には、画素データをピックアップして切替表示させる場合にはデータ処理に遅延や阻害が生じるおそれがあり、画像表示のために計測が不安定となっては本末転倒となる。
このため、本実施形態では、予めプリセットした表示時間幅をいくつか用意し、複数の表示時間幅の各々に対応する時間幅用のデータ格納領域を作成し、新規データを追加する間隔（インターバル）を指定して、複数の表示時間幅の各々に対応する画像データベースを作成する。仮に、画像データ表示部３７が縦方向（＝深さ方向）に２００画素、横方向（＝時系列）に２４０画素で構成されるとしたときに１秒ごとにデータを格納した場合には横方向に４分間の表示データとなり、１０秒ごとに格納した場合には横方向に４０分間の表示データとなる。新規データの追加と同時に、最も古いデータを１つ消去するようにすることによって、限られたデータ領域で運用できる。また、表示幅に必要な２４０データ以上のデータをストックする領域を設け、スクロール表示させることによってあたかも過去からの変化を動画のようにして観察することもできる。本実施形態では、この２つのデータ格納と表示とが可能である。

前述した実施形態において、外部端末から、データ処理装置３０の画像データ格納部３５にアクセスして画像データ格納部３５に格納されているデータを取り出すようにしてもよい。
前述した実施形態において、外部端末からデータ処理装置３０のデータ演算部３４にアクセスしてもよい。この場合に、外部端末からの指令でデータ演算部３４に格納されているデータを取り出して外部端末へ出力させてもよい。このように構成することによって、外部端末にデータ演算部３４が出力したデータを表示させることができるため、オンラインでモニタリングが可能となる。
また、この場合に、外部端末の指令により、データ演算部３４から最新データを外部端末へ出力させてもよい。データを出力するインターバルは、外部端末で設定可能である。このように構成することによって、外部端末にデータを逐次表示させることができるため、リモート型のライブで画像監視ができる。具体的には、外部端末にインストールされる専用ソフトでデータ演算部３４に付与された固有の認識番号（＝パスワード）のチェックを逐次データ演算部と外部端末との間で行う。外部端末とデータ演算部との間で、１対１の通信ができるため、信号分配器等の設置による盗聴的なデータ抜き取りを防止できる。

前述した実施形態において、データ処理装置３０のデータ演算部３４に外部端末へデータを送信する設定を行うようにしてもよい。データ演算部３４は、データを送信する設定に基づいて外部端末へデータを送信するようにしてもよい。このように構成することによって、外部端末を下水処理設備１０の遠隔監視に用いることができる。
前述した実施形態において、データ処理装置３０のデータ演算部３４に外部のデータサーバー又は記録媒体へデータを出力する設定を行うようにしてもよい。データ演算部３４は設定に基づいて、外部のデータサーバー又は記録媒体へデータを出力する。外部のデータサーバーは、データ演算部３４が出力したデータに基づいてデータベースを作成する。外部のデータサーバーは、作成したデータベースに基づいて、画像を表示させてもよいし、データを加工してもよい。
前述した実施形態において、データ処理装置３０のデータ演算部３４が外部端末へデータを送信する場合に、例えばＲＳ２３２Ｃ規格の方式に従って送信してもよい。また、データ処理装置３０のデータ演算部３４が外部端末へデータを送信する場合に外部端子との間で、そのまま伝送してもよいし、信号変換器を設けて、ＲＳ４２２、ＲＳ４８５規格やＵＳＢ（Universal Serial Bus）、ＬＡＮ、光ファイバーの伝送プロトコルに変換して送信してもよい。また、外部端末から、サーバーへ定期的又は不定期にデータを送信してもよい。この場合、外部端末（小型ＰＣなど）へ、中央監視装置からデータ要求し、外部端末にデータを出力させてもよい。
この場合、外部端末に前述した監視装置５０の機能を持たせてもよい。外部端末は、データ演算部３４が出力したデータを取得し、取得したデータに基づいて、上澄水画像による固液分離槽の内部の状態を判定し、その判定結果をサーバーへ出力してもよい。また、サーバーに前述した監視装置の現状判定部５５の機能を持たせてもよい。外部端末は、データ演算部３４が出力したデータを取得し、取得したデータをサーバーへ送信する。サーバーは、外部装置が送信したデータを取得し、取得したデータに基づいて、上澄水画像による固液分離槽の内部の状態を判定する。

本実施形態に係る監視システム１００によれば、監視装置５０は、排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と固液分離槽の内部の上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を学習した診断結果の学習モデルとしての第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定する現状判定部５５としての判定部と、診断の対象である固液分離槽の上澄水画像と第１学習モデルとを用いて判定部が判定した固液分離槽の内部の状態を特定する情報を出力する出力部とを有する。
このように構成することによって、監視装置５０は、上澄水画像と固液分離槽の内部の診断結果との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定できるため、固液分離槽の槽内状態を監視できる。第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定できることによって、人が経験に基づいて固液分離槽の内部を診断する場合と比較して、人の経験は不要であり、診断結果のバラツキも低減できる。また、人が経験に基づいて固液分離槽の内部を診断する場合には、主に上澄水を見て診断していることから、監視装置５０は、固液分離槽の上澄水と汚泥堆積層を含む画像から固液分離槽の内部の状態を診断するよりも、人が行う診断に近い診断を行うことができる。
仮に現場完結型のシステム構成とした場合には槽の寸法や特性が変わらないので、過去と現在との比較が単純に行なえるので、定常時と非定常状態または異常発生の区別を容易にできる。外部から（オンライン／オフラインのどちらでもよい）事例集、最新事例等を取得し、取得した事例集、最新事例等をアップデートさせることによって、異常が検出されたとき、その異常がどんな状態であるかの判別およびその対処策の提示を、過去に発生した経験がなくかつ学習履歴がない場合でも出力させることができる。異常が発生した場合にアクセス可能なデータベースを参照できるようにすることによって、その状態が何であるか推定でき、対処策の入手を可能にできる。また、現場（設備）では起こり得ない判断をするミスを低減できる。このため、エラー判定のリスクを低くでき、また判定に要する時間も短くできる。データハッキング、システムへの攻撃のリスクを低くできる。

さらに、監視画像に基づく診断結果は、監視画像に含まれる固形物の堆積状態と固形物の浮遊状態とのいずれか一方又は両方に基づいて生成される。このように構成することによって、監視装置５０は、上澄水画像とその上澄水画像が含まれる監視画像に含まれる固形物の堆積状態と固形物の浮遊状態とのいずれか一方又は両方に基づいて生成される診断結果の関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定できる。
さらに、判定部は、診断の対象である固液分離槽の内部を表した上澄水画像から固液分離槽の内部の状態が、正常と不調と異常とのいずれであるかを判定する。このように構成することによって、監視装置５０は、上澄水画像と固液分離槽の内部の上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の診断結果との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部を表した上澄水画像から固液分離槽の内部の状態が、正常と不調と異常とのいずれであるかを判定できる。
さらに、判定部が、固液分離槽の内部の状態が不調と異常とのいずれかと判定した場合に固液分離槽の内部の状態が不調と異常とのいずれかの状態であることを通知する通知部をさらに有する。このように構成することによって、固液分離槽の内部の状態が不調と異常とのいずれかと判定した場合に固液分離槽の内部の状態が不調と異常とのいずれかの状態であることを通知できるため、ユーザーに固液分離槽の内部の状態に対応が必要なことを知らせることができる。

［実施形態の変形例１］
（監視システム）
図１１は、本発明の実施形態の変形例１に係る監視システムの構成例を示す図である。実施形態の変形例１に係る監視システム１００ａは、沈殿槽、濃縮槽などの固液分離槽の汚泥堆積状態を診断する。実施形態の変形例１では、実施形態と同様に、固液分離槽を備える設備の一例として、下水処理設備１０を適用する。

（監視システム１００ａ）
監視システム１００ａは、超音波センサ２０と、データ処理装置３０と、ゲートウェイ装置３１と、情報処理装置４０ａと、端末装置４５ａと、監視装置５０ａとを備える。 ゲートウェイ装置３１と、情報処理装置４０ａと、端末装置４５ａと、監視装置５０ａとは、ネットワークＮＷを介して接続される。
データ処理装置３０では、データ演算部３４は、デジタル信号を、ゲートウェイ装置３１を経由して監視装置５０ａへ送信する。
（監視装置５０ａ）
監視装置５０ａは、パーソナルコンピュータ、サーバー、又は産業用コンピュータ等の装置によって実現される。監視装置５０ａは、通信装置５１と、記録装置５２と、情報処理部５３ａと、各構成要素を図１１に示されているように電気的に接続するためのアドレスバスやデータバス等のバスラインＢＬとを備える。
記録装置５２には、監視装置５０ａにより実行されるプログラム（監視アプリ）が記憶される。また、記録装置５２には、情報処理部５３ａが出力する画素データが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像による固液分離槽の内部の状態の診断結果とを関連付けた診断結果の教師データと、診断結果の教師データに基づいて、上澄水画像と固液分離槽の内部の状態との関係を機械学習することによって得られた診断結果の学習モデルとが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像による固液分離槽の内部の状態の診断結果となる原因を特定する情報とを関連付けた原因の教師データと、原因の教師データに基づいて、上澄水画像と固液分離槽の内部の状態となる原因を特定する情報との関係を機械学習することによって得られた原因の学習モデルとが記憶される。

図１２は、教師データの一例を示す図である。図１２には、診断結果の教師データと原因の教師データとを示す。診断結果の教師データは、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果とを関連付けたデータである。原因の教師データは、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果となる原因を特定する情報とを関連付けたデータである。図１２の説明においては、便宜上監視画像により説明する。
実施形態の変形例１では、一例として、実施形態と同様に複数の上澄水画像の各々に対して、診断結果として「正常」と「異常」と「不調」とのいずれかが関連付けられる。さらに、複数の上澄水画像の各々に対して、診断結果に基づいて、診断結果となる原因の推定結果が関連付けられる。
図１２において、（１）は、上澄水が十分な深さがあるため、正常であると診断される。正常と診断された場合には、診断結果となる原因の推定結果は記憶されない。
（２）は、上澄水の深さが浅いため、異常であると診断される。この場合、診断結果となる原因の推定結果の一例として、バルキングが記憶される。バルキングとは、汚泥の沈降性が悪化し、上澄水を得にくくなる現象をいう。 （３）は、上澄水に堆積汚泥の舞い上がりが見られるため、不調であると診断される。この場合、診断結果となる原因の推定結果の一例として、汚泥投入速度が速いこと、汚泥投入量が多いこと、汚泥界面が高いことが記憶される。図１１に戻り説明を続ける。

情報処理部５３ａは、例えば、グラフィック化部５４と、現状判定部５５ａと、学習部５６ａと、原因判定部５７として機能する。
現状判定部５５ａは、記録装置５２に記憶された画素データを取得し、取得した画素データに基づいて、上澄水画像を作成する。現状判定部５５ａは、記録装置５２に記憶された診断結果の学習モデルを取得する。現状判定部５５ａは、取得した診断結果の学習モデルに基づいて、作成した上澄水画像の固液分離槽の内部の状態を判定する。
学習部５６ａは、学習部５６の機能に加えて以下の機能を有する。学習部５６ａは、通信装置５１が受信した診断結果通知を取得し、取得した診断結果通知に含まれる上澄水画像を示す情報と診断結果となる原因の推定結果とを関連付けた原因の教師データを記録装置５２に記憶させる。学習部５６ａは、記録装置５２に記憶された原因の教師データを取得する。学習部５６ａは、取得した原因の教師データに基づいて、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果となる原因の推定結果とを機械学習（教師あり学習）することによって、上澄水画像と固液分離槽の内部の状態となる原因を特定する情報とを関係付けた原因の学習モデルを生成する。例えば、学習部５６ａは、畳み込みニューラルネットワークを使用して、上澄水画像を認識する。原因の学習モデルによって、上澄水画像を示す情報に基づいて、上澄水画像が、固液分離槽の内部の状態となる原因を特定する情報のいずれかに分類される。学習部５６ａは、生成した原因の学習モデルを記録装置５２に記憶させる。

原因判定部５７は、現状判定部５５ａから上澄水画像を示す情報と固液分離槽の内部の状態の判定結果とを取得する。原因判定部５７は、取得した固液分離槽の内部の状態の判定結果が不調又は異常である場合には、記録装置５２に記憶された原因の学習モデルを取得する。原因判定部５７は、取得した原因の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態となる原因を特定する情報を判定する。原因判定部５７は、上澄水画像を示す情報と固液分離槽の内部の状態を示す情報と固液分離槽の内部の状態となる原因を特定する情報の判定結果を示す情報と含む、情報処理装置４０ａを宛先とする状態通知情報を作成する。原因判定部５７は、作成した状態通知情報を通信装置５１へ出力する。通信装置５１は、原因判定部５７が出力した状態通知情報を取得し、取得した状態通知情報を情報処理装置４０ａへ送信する。
情報処理部５３ａの全部または一部は、例えば、ＣＰＵなどのプロセッサが記録装置５２に格納された監視アプリなどのプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。なお、情報処理部５３ａの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
情報処理装置４０ａは、情報処理装置４０を適用できる。

（端末装置４５ａ）
端末装置４５ａは、パーソナルコンピュータ、サーバー、又は産業用コンピュータ等の装置によって実現される。端末装置４５ａの一例は、下水処理設備１０を監視する監視センタに設置される。
ユーザーは、固液分離槽の内部の状態を診断する場合に、端末装置４５ａを操作することによって、上澄水画像を要求する情報を含む、監視装置５０ａを宛先とする上澄水画像要求を作成させる。端末装置４５ａは、ユーザーの操作に基づいて、上澄水画像要求を作成する。端末装置４５ａは、作成した上澄水画像要求を監視装置５０ａへ送信する。
端末装置４５ａは、監視装置５０ａへ送信した上澄水画像要求に対して監視装置５０ａが送信した上澄水画像応答を受信する。端末装置４５ａは、上澄水画像応答に含まれる上澄水画像を表示する。ユーザーは、端末装置４５ａが表示した上澄水画像を参照し、上澄水画像に含まれる固液分離槽の内部の状態を診断し、さらに固液分離槽の内部の状態となる原因を推定する。ユーザーは、端末装置４５ａを操作することによって、上澄水画像を示す情報と、固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報とを含む、監視装置５０ａを宛先とする診断結果通知を作成させる。端末装置４５ａは、ユーザーの操作に基づいて、診断結果通知を作成する。端末装置４５ａは、作成した診断結果通知を監視装置５０ａへ送信する。

（監視システムの動作）
図１３は、実施形態の変形例１に係る監視システムの動作の例１を示す図である。図１３を参照して、監視装置５０ａが、端末装置４５ａが送信した診断結果通知に含まれる固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報とを蓄積し、蓄積した固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報とに基づいて機械学習を行い、診断結果の学習モデルと原因の学習モデルとを生成する処理について説明する。
ステップＳ１－４からＳ１０－４は、図７のステップＳ１－１からＳ１０－１を適用できるため、ここでの説明は省略する。
（ステップＳ１１－４）
端末装置４５ａは、監視装置５０ａが送信した上澄水画像応答を受信する。端末装置４５ａは、受信した上澄水画像応答に含まれる上澄水画像を示す情報を画像処理することによって上澄水画像を表示する。端末装置４５ａは、固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報とを含む、監視装置５０ａを宛先とする診断結果通知を作成する。
（ステップＳ１２－４）
端末装置４５ａは、作成した診断結果通知を監視装置５０ａへ送信する。

（ステップＳ１３－４）
監視装置５０ａにおいて、通信装置５１は、端末装置４５ａが送信した診断結果通知を受信する。学習部５６ａは、通信装置５１が受信した診断結果通知を取得し、取得した診断結果通知に含まれる上澄水画像を示す情報と、固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報とを取得する。
学習部５６ａは、取得した上澄水画像を示す情報と、固液分離槽の内部の状態の診断結果とを関連付けた診断結果の教師データを記録装置５２に記憶させる。学習部５６ａは、取得した上澄水画像を示す情報と、固液分離槽の内部の状態の診断結果となる原因を特定する情報とを関連付けた原因の教師データを記録装置５２に記憶させる。
（ステップＳ１４－４）
監視装置５０ａにおいて、学習部５６ａは、記録装置５２に記憶された診断結果の教師データを取得する。学習部５６ａは、取得した診断結果の教師データに基づいて、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果とを機械学習することによって、上澄水画像と固液分離槽の内部の状態とを関係付けた診断結果の学習モデルを生成する。
学習部５６ａは、記録装置５２に記憶された原因の教師データを取得する。学習部５６ａは、取得した原因の教師データに基づいて、上澄水画像と固液分離槽の内部の状態の診断結果となる原因を特定する情報とを機械学習することによって、上澄水画像と固液分離槽の内部の状態の診断結果となる原因を特定する情報とを関係付けた原因の学習モデルを生成する。
（ステップＳ１５－４）
監視装置５０ａにおいて、学習部５６ａは、生成した診断結果の学習モデルを記録装置５２に記憶させる。学習部５６ａは、生成した原因の学習モデルを記録装置５２に記憶させる。

なお、診断結果通知は、上澄水画像ではなく監視画像に基づいて診断された結果であってもよい。つまり、ステップＳ７－４において端末装置４５ａが監視画像要求を作成し、ステップＳ８－４において端末装置４５ａが作成した監視画像要求を監視装置５０ａへ送信し、ステップＳ９－４において監視装置５０ａが監視画像を作成し、ステップＳ１０－４において監視装置５０ａが監視画像応答を端末装置４５ａへ送信してもよい。

図１４は、実施形態の変形例１に係る監視システムの動作の例２を示す図である。図１４を参照して、監視装置５０ａは、データ処理装置３０が送信したデジタル信号を取得し、取得したデジタル信号に基づいて、上澄水画像を作成する。監視装置５０ａは、作成した上澄水画像に基づいて、固液分離槽の内部の状態を判定する処理について説明する。
ステップＳ１－５からＳ６－５は、図７のステップＳ１－１からＳ６－１を適用できるため、ここでの説明は省略する。
（ステップＳ７－５）
監視装置５０ａにおいて、現状判定部５５ａは、記録装置５２に記憶された画素データを取得し、取得した画素データに基づいて、上澄水画像を作成する。
（ステップＳ８－５）
監視装置５０ａにおいて、現状判定部５５ａは、記録装置５２に記憶された診断結果の学習モデルを取得する。
（ステップＳ９－５）
監視装置５０ａにおいて、現状判定部５５ａは、取得した診断結果の学習モデルに基づいて、作成した上澄水画像の固液分離槽の内部の状態を判定する。
（ステップＳ１０－５）
監視装置５０ａにおいて、原因判定部５７は、現状判定部５５ａから固液分離槽の内部の状態の判定結果を取得する。原因判定部５７は、取得した固液分離槽の内部の状態の判定結果が不調又は異常であるかを判定する。原因判定部５７が、取得した固液分離槽の内部の状態の判定結果が不調と異常とのいずれでもないと判定した場合には終了する。

（ステップＳ１１－５）
監視装置５０ａにおいて、原因判定部５７は、取得した固液分離槽の内部の状態の判定結果が不調又は異常であると判定した場合に、記録装置５２に記憶された原因の学習モデルを取得する。
（ステップＳ１２－５）
監視装置５０ａにおいて、原因判定部５７は、取得した原因の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態となる原因を特定する情報を判定する。
（ステップＳ１３－５）
監視装置５０ａにおいて、原因判定部５７は、上澄水画像を示す情報と固液分離槽の内部の状態の判定結果を示す情報と固液分離槽の内部の状態となる原因の判定結果を示す情報と含む、情報処理装置４０ａを宛先とする状態通知情報を作成する。
（ステップＳ１４－５）
監視装置５０ａにおいて、原因判定部５７は、作成した状態通知情報を通信装置５１へ出力する。通信装置５１は、原因判定部５７が出力した状態通知情報を取得し、取得した状態通知情報を情報処理装置４０ａへ送信する。
なお、ステップＳ７－５において監視装置５０は上澄水画像を作成するが一例に過ぎない。例えば、監視装置５０が画素データに基づいて監視画像を作成し、その後のステップにおいて汚泥界面より深い部分を無視するなどにより、上澄水画像に着目していればよい。
監視装置５０ａが、情報処理装置４０ａが送信した槽内状態情報要求に基づいて、上澄水画像を示す情報を送信する処理については、図９を適用できるため、説明を省略する。

前述した実施形態の変形例１では、１つの下水処理設備１０に監視システム１００ａが接続されている場合について説明したが、この例に限られない。例えば、複数の下水処理設備１０に監視システム１００ａが接続されてもよいし、１つの下水処理設備１０に複数の監視システム１００ａが接続されてもよい。仮に、複数の下水処理設備１０に監視システム１００ａが接続された場合には、Ａという設備で経験のない非定常状態が生じた場合に、Ｂという設備でその非定常状態が生じた経験があれば、“異常”として判断し、その異常の原因を特定する情報が判定され、出力される可能性が高い。つまり、監視装置５０ａは、より多くの学習が可能となるため、判定に使用できる事例数を増加させることができる。このため、異常又は不調と判断できる非定常状態を増加させることができる。
前述した実施形態の変形例１では、監視装置５０ａが機械学習を行う場合について説明したが、この例に限られない。例えば、機械学習を行う装置を監視装置５０ａとは別の装置で実現してもよい。この場合、学習装置は、実施形態で説明した学習装置において、学習装置は、上澄水画像と上澄水画像に基づく診断結果となる原因を特定する情報を監視装置５０ａから取得する。学習装置の学習部は、上澄水画像と上澄水画像に基づく診断結果となる原因を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の状態となる原因を特定する情報との関係を表す第２学習モデルを機械学習（教師あり機械学習）によって生成する。
前述した実施形態の変形例１では、上澄水画像に基づいて固液分離槽の内部の状態の判定結果が正常と異常と不調とのいずれかであるかを判定され、さらに、固液分離槽の内部の状態の判定結果が異常と不調とのいずれかであるかに基づいて、バルキング、汚泥投入速度が速いこと、汚泥投入量が多いこと、汚泥界面が高いことが記憶される場合について説明したがこの例に限られない。例えば、固液分離槽の内部の状態の判定結果が異常と不調とのいずれかであるかに基づいて、一又は複数の原因に分類されてもよい。

実施形態の変形例１に係る監視システム１００ａによれば、監視装置５０ａは、実施形態に係る監視装置５０において、上澄水画像と上澄水画像に基づく診断結果となる原因を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の診断結果となる原因を特定する情報との関係を学習した原因の学習モデルとしての第２学習モデルを用いて、診断の対象である固液分離槽の上澄水画像から固液分離槽の内部の状態となる原因を特定する情報を判定する原因判定部５７を備える。出力部は、診断の対象である固液分離槽の上澄水画像と第２学習モデルとを用いて原因判定部が判定した固液分離槽の内部の状態となる原因を特定する情報をさらに出力する。
このように構成することによって、監視装置５０ａは、上澄水画像と固液分離槽の内部の診断結果となる原因を特定する情報との関係を学習した第２学習モデルを用いて、診断の対象である固液分離槽の上澄水画像から固液分離槽の内部の状態となる原因を特定する情報を判定できるため、固液分離槽の内部の状態となる原因を監視できる。第２学習モデルを用いて、診断の対象である固液分離槽の内部を表した上澄水画像から固液分離槽の内部の状態となる原因を判定できることによって、人が経験に基づいて固液分離槽の内部の状態の原因を診断する場合と比較して、人の経験は不要であり、診断結果のバラツキも低減できる。

［実施形態の変形例２］
（監視システム）
図１５は、本発明の実施形態の変形例２に係る監視システムの構成例を示す図である。実施形態の変形例２に係る監視システム１００ｂは、沈殿槽、濃縮槽などの固液分離槽の汚泥堆積状態を診断する。実施形態の変形例２では、実施形態と同様に、固液分離槽を備える設備の一例として、下水処理設備１０を適用する。

（監視システム１００ｂ）
監視システム１００ｂは、超音波センサ２０と、データ処理装置３０と、ゲートウェイ装置３１と、情報処理装置４０ｂと、端末装置４５ｂと、監視装置５０ｂとを備える。 ゲートウェイ装置３１と、情報処理装置４０ｂと、端末装置４５ｂと、監視装置５０ｂとは、ネットワークＮＷを介して接続される。
データ処理装置３０では、データ演算部３４は、デジタル信号を、ゲートウェイ装置３１を経由して監視装置５０ｂへ送信する。

（監視装置５０ｂ）
監視装置５０ｂは、パーソナルコンピュータ、サーバー、又は産業用コンピュータ等の装置によって実現される。監視装置５０ｂは、通信装置５１と、記録装置５２と、情報処理部５３ｂと、各構成要素を図１５に示されているように電気的に接続するためのアドレスバスやデータバス等のバスラインＢＬとを備える。
記録装置５２には、監視装置５０ｂにより実行されるプログラム（監視アプリ）が記憶される。また、記録装置５２には、情報処理部５３ｂが出力する画素データが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像による固液分離槽の内部の診断結果とを関連付けた診断結果の教師データと、診断結果の教師データに基づいて、上澄水画像と固液分離槽の内部の状態との関係を機械学習することによって得られた診断結果の学習モデルとが記憶される。
記録装置５２には、監視画像を示す情報とその上澄水画像による固液分離槽の内部の診断結果となる原因を特定する情報とを関連付けた原因の教師データと、原因の教師データに基づいて、上澄水画像と固液分離槽の内部の状態となる原因を特定する情報との関係を機械学習することによって得られた原因の学習モデルとが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像による固液分離槽の診断結果への対処方法を特定する情報とを関連付けた対処方法の教師データと、対処方法の教師データに基づいて、上澄水画像と固液分離槽の内部の状態への対処方法を特定する情報との関係を機械学習することによって得られた対処方法の学習モデルとが記憶される。

図１６は、教師データの一例を示す図である。図１６には、診断結果の教師データと原因の教師データと対処方法の教師データとを示す。診断結果の教師データは、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果とを関連付けたデータである。原因の教師データは、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果となる原因を特定する情報とを関連付けたデータである。対処方法の教師データは、上澄水画像とその上澄水画像による固液分離槽の内部の状態への対処方法を特定する情報とを関連付けたデータである。図１６の説明においては、便宜上監視画像により説明する。
実施形態の変形例２では、一例として、実施形態と同様に複数の監視画像の各々に対して、診断結果として「正常」と「異常」と「不調」とのいずれかが関連付けられる。さらに、複数の監視画像の各々に対して、診断結果に基づいて、診断結果となる原因の推定結果が関連付けられる。さらに、複数の監視画像の各々に対して、診断結果に基づいて、診断結果への対処方法を特定する情報が関連付けられる。
図１６において、（１）は、上澄水が十分な深さがあるため、正常であると診断される。正常と診断された場合には、診断結果となる原因の推定結果と対処方法とは記憶されない。
（２）は、上澄水の深さが浅いため、異常であると診断される。この場合、診断結果となる原因の推定結果として、バルキングが記憶される。さらに、診断結果となる原因の推定結果への対処方法として、汚泥引抜の促進と、汚泥沈降剤等の投入とが記憶される。
（３）は、上澄水に堆積汚泥の舞い上がりが見られるため、不調であると診断される。この場合、診断結果となる原因の推定結果の一例として、汚泥投入速度が速いこと、汚泥投入量が多いこと、汚泥界面が高いことが記憶される。さらに、診断結果となる原因の推定結果への対処方法の一例として、投入速度の低下と、投入量の削減と、汚泥引抜の促進とが記憶される。図１５に戻り説明を続ける。

情報処理部５３ｂは、例えば、グラフィック化部５４と、現状判定部５５ａと、学習部５６ｂと、原因判定部５７ｂと、対処方法判定部５８として機能する。
学習部５６ｂは、学習部５６ａの機能に加えて以下の機能を有する。学習部５６ｂは、通信装置５１が受信した診断結果通知を取得し、取得した診断結果通知に含まれる上澄水画像を示す情報と診断結果への対処方法を特定する情報とを関連付けた対処方法の教師データを記録装置５２に記憶させる。
学習部５６ｂは、記録装置５２に記憶された対処方法の教師データを取得する。学習部５６ｂは、取得した対処方法の教師データに基づいて、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果への対処方法を特定する情報とを機械学習（教師あり学習）することによって、上澄水画像と固液分離槽の内部の状態への対処方法とを関係付けた対処方法の学習モデルを生成する。例えば、学習部５６ｂは、畳み込みニューラルネットワークを使用して、上澄水画像を認識する。対処方法の学習モデルによって、上澄水画像を示す情報に基づいて、上澄水画像が、固液分離槽の内部の状態への対処方法を特定する情報のいずれかに分類される。学習部５６ｂは、生成した対処方法の学習モデルを記録装置５２に記憶させる。

原因判定部５７ｂは、現状判定部５５ａから上澄水画像を示す情報と固液分離槽の内部の状態の判定結果とを取得する。原因判定部５７ｂは、取得した固液分離槽の内部の状態の判定結果が不調又は異常である場合には、記録装置５２に記憶された原因の学習モデルを取得する。原因判定部５７ｂは、取得した原因の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態となる原因を判定する。
対処方法判定部５８は、現状判定部５５ａから上澄水画像を示す情報と固液分離槽の内部の状態の判定結果とを取得する。対処方法判定部５８は、取得した固液分離槽の内部の状態の判定結果が不調又は異常である場合には、記録装置５２に記憶された対処方法の学習モデルを取得する。対処方法判定部５８は、取得した対処方法の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態への対処方法を判定する。
対処方法判定部５８は、原因判定部５７ｂから上澄水画像の固液分離槽の内部の状態となる原因を特定する情報を取得する。対処方法判定部５８は、上澄水画像を示す情報と固液分離槽の内部の状態となる原因を特定する情報と固液分離槽の内部の状態への対処方法を特定する情報と含む、情報処理装置４０ｂを宛先とする状態通知情報を作成する。対処方法判定部５８は、作成した状態通知情報を通信装置５１へ出力する。
通信装置５１は、原因判定部５７ｂが出力した状態通知情報を取得し、取得した状態通知情報を情報処理装置４０ｂへ送信する。
情報処理部５３ｂの全部または一部は、例えば、ＣＰＵなどのプロセッサが記録装置５２に格納された監視アプリなどのプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。なお、情報処理部５３ｂの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
情報処理装置４０ｂは、情報処理装置４０を適用できる。

（端末装置４５ｂ）
端末装置４５ｂは、パーソナルコンピュータ、サーバー、又は産業用コンピュータ等の装置によって実現される。端末装置４５ｂの一例は、下水処理設備１０を監視する監視センタに設置される。
ユーザーは、固液分離槽の内部の状態を診断する場合に、端末装置４５ｂを操作することによって、上澄水画像を要求する情報を含む、監視装置５０ｂを宛先とする上澄水画像要求を作成させる。端末装置４５ｂは、ユーザーの操作に基づいて、上澄水画像要求を作成する。端末装置４５ｂは、作成した上澄水画像要求を監視装置５０ｂへ送信する。
端末装置４５ｂは、監視装置５０ｂへ送信した上澄水画像要求に対して監視装置５０ｂが送信した上澄水画像応答を受信する。端末装置４５ｂは、上澄水画像応答に含まれる上澄水画像を表示する。ユーザーは、端末装置４５ｂが表示した上澄水画像を参照し、上澄水画像に含まれる固液分離槽の内部の状態を診断し、さらに固液分離槽の内部の状態となる原因を推定する。ユーザーは、端末装置４５ｂを操作することによって、上澄水画像を示す情報と、固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報とその診断結果への対処方法を特定する情報を含む、監視装置５０ｂを宛先とする診断結果通知を作成させる。端末装置４５ｂは、ユーザーの操作に基づいて、診断結果通知を作成する。端末装置４５ｂは、作成した診断結果通知を監視装置５０ｂへ送信する。

（監視システムの動作）
図１７は、実施形態の変形例２に係る監視システムの動作の例１を示す図である。図１７を参照して、監視装置５０ｂが、端末装置４５ｂが送信した診断結果通知に含まれる固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報と、診断結果への対処方法を特定する情報とを蓄積する処理について説明する。監視装置５０ｂが、蓄積した固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報と、診断結果への対処方法を特定する情報とに基づいて機械学習を行い、診断結果の学習モデルと原因の学習モデルと対処方法の学習モデルとを生成する処理について説明する。 ステップＳ１－６からＳ１０－６は、図７のステップＳ１－１からＳ１０－１を適用できるため、ここでの説明は省略する。
（ステップＳ１１－６）
端末装置４５ｂは、監視装置５０ｂが送信した上澄水画像応答を受信する。端末装置４５ｂは、受信した上澄水画像応答に含まれる上澄水画像を示す情報を画像処理することによって上澄水画像を表示する。端末装置４５ｂは、固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報と、その診断結果への対処方法を特定する情報とを含む、監視装置５０ｂを宛先とする診断結果通知を作成する。
（ステップＳ１２－６）
端末装置４５ｂは、作成した診断結果通知を監視装置５０ｂへ送信する。

（ステップＳ１３－６）
監視装置５０ｂにおいて、通信装置５１は、端末装置４５ｂが送信した診断結果通知を受信する。学習部５６ｂは、通信装置５１が受信した診断結果通知を取得し、取得した診断結果通知に含まれる上澄水画像を示す情報と、固液分離槽の内部の状態の診断結果と、その診断結果への対処方法を特定する情報とを取得する。
学習部５６ｂは、取得した上澄水画像を示す情報と固液分離槽の内部の状態の診断結果とを関連付けた診断結果の教師データと、上澄水画像を示す情報と固液分離槽の内部の状態の診断結果となる原因を特定する情報とを関連付けた原因の教師データと、上澄水画像を示す情報と診断結果への対処方法を特定する情報とを関連付けた対処方法の教師データとを記録装置５２に記憶させる。
（ステップＳ１４－６）
監視装置５０ｂにおいて、学習部５６ｂは、記録装置５２に記憶された診断結果の教師データを取得する。学習部５６ｂは、取得した診断結果の教師データに基づいて、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果とを機械学習することによって、上澄水画像と固液分離槽の内部の状態とを関係付けた診断結果の学習モデルを生成する。
学習部５６ｂは、記録装置５２に記憶された原因の教師データを取得する。学習部５６ｂは、取得した原因の教師データに基づいて、上澄水画像と固液分離槽の内部の状態の診断結果となる原因を特定する情報とを機械学習することによって、上澄水画像と固液分離槽の内部の状態の診断結果となる原因を特定する情報とを関係付けた原因の学習モデルを生成する。
学習部５６ｂは、記録装置５２に記憶された対処方法の教師データを取得する。学習部５６ｂは、取得した対処方法の教師データに基づいて、上澄水画像と固液分離槽の内部の状態への対処方法を特定する情報とを機械学習することによって、上澄水画像と固液分離槽の内部の状態への対処方法を特定する情報とを関係付けた対処方法の学習モデルを生成する。
（ステップＳ１５－６）
監視装置５０ｂにおいて、学習部５６ｂは、生成した診断結果の学習モデルと原因の学習モデルと対処方法の学習モデルとを記録装置５２に記憶させる。
なお、診断結果通知は、上澄水画像ではなく監視画像に基づいて診断された結果であってもよい。つまり、ステップＳ７－６において端末装置４５ｂが監視画像要求を作成し、ステップＳ８－１において端末装置４５ｂが作成した監視画像要求を監視装置５０ｂへ送信し、ステップＳ９－１において監視装置５０ｂが監視画像を作成し、ステップＳ１０－１において監視装置５０ｂが監視画像応答を端末装置４５ｂへ送信してもよい。

図１８は、実施形態の変形例２に係る監視システムの動作の例２を示す図である。図１８を参照して、監視装置５０ｂが、データ処理装置３０が送信したデジタル信号を取得し、取得したデジタル信号に基づいて、上澄水画像を作成する。監視装置５０ｂが、作成した上澄水画像に基づいて、固液分離槽の内部の状態を判定する処理について説明する。
ステップＳ１－７からＳ６－７は、図７のステップＳ１－１からＳ６－１を適用できるため、ここでの説明は省略する。
（ステップＳ７－７）
監視装置５０ｂにおいて、現状判定部５５ａは、記録装置５２に記憶された画素データを取得し、取得した画素データに基づいて、上澄水画像を作成する。
（ステップＳ８－７）
監視装置５０ｂにおいて、現状判定部５５ａは、記録装置５２に記憶された診断結果の学習モデルを取得する。
（ステップＳ９－７）
監視装置５０ｂにおいて、現状判定部５５ａは、取得した診断結果の学習モデルに基づいて、作成した上澄水画像の固液分離槽の内部の状態を判定する。
（ステップＳ１０－７）
監視装置５０ｂにおいて、原因判定部５７ｂは、現状判定部５５ａから固液分離槽の内部の状態の判定結果を取得する。原因判定部５７ｂは、取得した固液分離槽の内部の状態の判定結果が不調又は異常であるかを判定する。原因判定部５７ｂが、取得した固液分離槽の内部の状態の判定結果が不調と異常とのいずれでもないと判定した場合には終了する。

（ステップＳ１１－７）
監視装置５０ｂにおいて、原因判定部５７ｂは、取得した固液分離槽の内部の状態の判定結果が不調又は異常であると判定した場合に、記録装置５２に記憶された原因の学習モデルを取得する。
（ステップＳ１２－７）
監視装置５０ｂにおいて、原因判定部５７ｂは、取得した原因の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態となる原因を判定する。
（ステップＳ１３－７）
監視装置５０ｂにおいて、対処方法判定部５８は、現状判定部５５ａから上澄水画像を示す情報と画像固液分離槽の内部の状態の判定結果を取得する。対処方法判定部５８は、取得した固液分離槽の内部の状態の判定結果が不調又は異常である場合には、記録装置５２に記憶された対処方法の学習モデルを取得する。
（ステップＳ１４－７）
監視装置５０ｂにおいて、対処方法判定部５８は、取得した対処方法の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態への対処方法を判定する。
（ステップＳ１５－７）
監視装置５０ｂにおいて、対処方法判定部５８は、原因判定部５７ｂから上澄水画像の固液分離槽の内部の状態となる原因を特定する情報を取得する。対処方法判定部５８は、上澄水画像を示す情報と固液分離槽の内部の状態となる原因を特定する情報と固液分離槽の内部の状態への対処方法を特定する情報と含む、情報処理装置４０ｂを宛先とする状態通知情報を作成する。
（ステップＳ１６－７）
監視装置５０ｂにおいて、対処方法判定部５８は、作成した状態通知情報を通信装置５１へ出力する。通信装置５１は、対処方法判定部５８が出力した状態通知情報を取得し、取得した状態通知情報を情報処理装置４０ｂへ送信する。
なお、ステップＳ７－７において監視装置５０は上澄水画像を作成するが一例に過ぎない。例えば、監視装置５０が画素データに基づいて監視画像を作成し、その後のステップにおいて汚泥界面より深い部分を無視するなどにより、上澄水画像に着目していればよい。
監視装置５０ｂが、情報処理装置４０ｂが送信した槽内状態情報要求に基づいて、上澄水画像を示す情報を送信する処理については、図９を適用できるため、説明を省略する。

前述した実施形態の変形例２では、１つの下水処理設備１０に監視システム１００ｂが接続されている場合について説明したが、この例に限られない。例えば、複数の下水処理設備１０に監視システム１００ｂが接続されてもよいし、１つの下水処理設備１０に複数の監視システム１００ｂが接続されてもよい。仮に、複数の下水処理設備１０に監視システム１００ｂが接続された場合には、Ａという設備で経験のない非定常状態が生じた場合に、Ｂという設備でその非定常状態が生じた経験があれば、“異常”として判断し、その異常の原因を特定する情報と、対処方法を特定する情報とが判定され、出力される可能性が高い。つまり、監視装置５０ｂは、より多くの学習が可能となるため、判定に使用できる事例数を増加させることができる。このため、異常又は不調と判断できる非定常状態を増加させることができる。
前述した実施形態の変形例２では、監視装置５０ｂが機械学習を行う場合について説明したが、この例に限られない。例えば、機械学習を行う装置を監視装置５０ｂとは別の装置で実現してもよい。この場合、学習装置は、実施形態の変形例１で説明した学習装置において、学習装置は、上澄水画像と上澄水画像に基づく診断結果への対処方法を特定する情報と監視装置５０ｂからを取得する。学習装置の学習部は、上澄水画像と上澄水画像に基づく診断結果への対処方法を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の診断結果への対処方法を特定する情報との関係を表した第３学習モデルを機械学習（教師あり機械学習）によって生成する。
実施形態の変形例２において、情報処理装置４０ｂは、状態通知に含まれる対処方法を下水処理設備１０のオペレータに通知してもよいし、対処方法を設備制御装置１９に実行させるための制御情報を作成し、作成した制御情報を設備制御装置１９へ送信してもよい。
前述した実施形態の変形例２では、上澄水画像に基づいて固液分離槽の内部の状態の判定結果が正常と異常と不調とのいずれかであるかを判定され、さらに、固液分離槽の内部の状態の判定結果が異常と不調とのいずれかであるかに基づいて、汚泥引抜の促進と、汚泥沈降剤等の投入と、投入速度の低下と、投入量の削減と、汚泥引抜の促進とが記憶される場合について説明したがこの例に限られない。例えば、固液分離槽の内部の状態の判定結果が異常と不調とのいずれかであるかに基づいて、一又は複数の対処方法に分類されてもよい。
前述した実施形態の変形例２では、実施形態の変形例１に固液分離槽の上澄水画像から固液分離槽の内部の状態への対処方法を特定する情報を判定する処理をさらに有する場合にいて説明したが、この例に限られない。例えば、実施形態に固液分離槽の上澄水画像から固液分離槽の内部の状態への対処方法を特定する情報を判定する処理をさらに有るようにしてもよい。

実施形態の変形例２に係る監視システム１００ｂによれば、監視装置５０ｂは、実施形態に係る監視装置５０ａにおいて、上澄水画像と上澄水画像に基づく診断結果への対処方法を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の診断結果への対処方法を特定する情報との関係を学習した対処方法の学習モデルとしての第３学習モデルを用いて、診断の対象である固液分離槽の上澄水画像から固液分離槽の内部の状態への対処方法を特定する情報を判定する対処方法判定部５８を備える。出力部は、診断の対象である固液分離槽の上澄水画像と第３学習モデルとを用いて対処方法判定部５８が判定した固液分離槽の内部の状態への対処方法を特定する情報をさらに出力する。
このように構成することによって、監視装置５０ｂは、上澄水画像と固液分離槽の内部の診断結果への対処方法を特定する情報との関係を学習した第３学習モデルを用いて、診断の対象である固液分離槽の上澄水画像から固液分離槽の内部の状態への対処方法を特定する情報を判定できるため、固液分離槽の内部の状態への対処方法を監視できる。第３学習モデルを用いて、診断の対象である固液分離槽の上澄水画像から固液分離槽の内部の状態への対処方法を判定できることによって、人が経験に基づいて固液分離槽の内部の状態への対処方法を診断する場合と比較して、人の経験は不要であり、診断結果のバラツキも低減できる。

［実施形態の変形例３］
（監視システム）
図１９は、本発明の実施形態の変形例３に係る監視システムの構成例を示す図である。実施形態の変形例３に係る監視システム１００ｃは、沈殿槽、濃縮槽などの固液分離槽の汚泥堆積状態を診断することに加えて、変化の予兆を検出する。実施形態の変形例３では、実施形態と同様に、固液分離槽を備える設備の一例として、下水処理設備１０を適用する。

（監視システム１００ｃ）
監視システム１００ｃは、超音波センサ２０と、データ処理装置３０と、ゲートウェイ装置３１と、情報処理装置４０ｃと、端末装置４５ｃと、監視装置５０ｃとを備える。 ゲートウェイ装置３１と、情報処理装置４０ｃと、端末装置４５ｃと、監視装置５０ｃとは、ネットワークＮＷを介して接続される。
データ処理装置３０では、データ演算部３４は、デジタル信号を、ゲートウェイ装置３１を経由して監視装置５０ｃへ送信する。

（監視装置５０ｃ）
監視装置５０ｃは、パーソナルコンピュータ、サーバー、又は産業用コンピュータ等の装置によって実現される。監視装置５０ｃは、通信装置５１と、記録装置５２と、情報処理部５３ｃと、各構成要素を図１９に示されているように電気的に接続するためのアドレスバスやデータバス等のバスラインＢＬとを備える。
記録装置５２には、監視装置５０ｃにより実行されるプログラム（監視アプリ）が記憶される。また、記録装置５２には、情報処理部５３ｃが出力する画素データが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像による固液分離槽の内部の状態の診断結果とを関連付けた診断結果の教師データと、診断結果の教師データに基づいて、上澄水画像と固液分離槽の内部の状態との関係を機械学習することによって得られた診断結果の学習モデルとが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像による固液分離槽の内部の状態の診断結果となる原因を特定する情報とを関連付けた原因の教師データと、原因の教師データに基づいて、上澄水画像と固液分離槽の内部の状態となる原因を特定する情報との関係を機械学習することによって得られた原因の学習モデルとが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像による固液分離槽の内部の状態の診断結果への対処方法を特定する情報とを関連付けた対処方法の教師データと、対処方法の教師データに基づいて、上澄水画像と固液分離槽の内部の状態への対処方法を特定する情報との関係を機械学習することによって得られた対処方法の学習モデルとが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを関連付けた変化の教師データと、変化の教師データに基づいて、上澄水画像と固液分離槽の内部の状態の変化を特定する情報との関係を機械学習することによって得られた変化の学習モデルとが記憶される。

情報処理部５３ｃは、例えば、グラフィック化部５４と、現状判定部５５ａと、学習部５６ｃと、原因判定部５７ｂと、対処方法判定部５８ｃと、変化予兆導出部５９として機能する。
学習部５６ｃは、学習部５６ｂの機能に加えて以下の機能を有する。学習部５６ｃは、記録装置５２に記憶された変化の教師データを取得する。学習部５６ｃは、取得した変化の教師データに基づいて、上澄水画像とその上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを機械学習（教師あり学習）することによって、上澄水画像とその上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを関係付けた変化の学習モデルを生成する。例えば、学習部５６ｃは、畳み込みニューラルネットワークを使用して、上澄水画像を認識する。変化の学習モデルによって、上澄水画像を示す情報に基づいて、上澄水画像が、その上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報のいずれかに分類される。学習部５６ｃは、生成した変化の学習モデルを記録装置５２に記憶させる。
対処方法判定部５８ｃは、現状判定部５５ａから上澄水画像を示す情報と画像固液分離槽の内部の状態の判定結果を取得する。対処方法判定部５８ｃは、取得した固液分離槽の内部の状態の判定結果が不調又は異常である場合には、記録装置５２に記憶された対処方法の学習モデルを取得する。対処方法判定部５８ｃは、取得した対処方法の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態への対処方法を判定する。
変化予兆導出部５９は、現状判定部５５ａから上澄水画像を示す情報を取得する。変化予兆導出部５９は、記録装置５２に記憶された変化の学習モデルを取得する。変化予兆導出部５９は、取得した変化の学習モデルに基づいて、取得した上澄水画像の固液分離槽の変化の予兆を導出する。
情報処理部５３ｃの全部または一部は、例えば、ＣＰＵなどのプロセッサが記録装置５２に格納された監視アプリなどのプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。なお、情報処理部５３ｃの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
情報処理装置４０ｃは、情報処理装置４０を適用できる。

（端末装置４５ｃ）
端末装置４５ｃは、パーソナルコンピュータ、サーバー、又は産業用コンピュータ等の装置によって実現される。端末装置４５ｃの一例は、下水処理設備１０を監視する監視センタに設置される。
ユーザーは、固液分離槽の内部の状態を診断する場合に、端末装置４５ｃを操作することによって、上澄水画像を要求する情報を含む、監視装置５０ｃを宛先とする上澄水画像要求を作成させる。端末装置４５ｃは、ユーザーの操作に基づいて、上澄水画像要求を作成する。端末装置４５ｃは、作成した上澄水画像要求を監視装置５０ｃへ送信する。
端末装置４５ｃは、監視装置５０ｃへ送信した上澄水画像要求に対して監視装置５０ｃが送信した上澄水画像応答を受信する。端末装置４５ｃは、上澄水画像応答に含まれる上澄水画像を表示する。ユーザーは、端末装置４５ｃが表示した上澄水画像を参照し、上澄水画像に含まれる固液分離槽の内部の状態を診断し、さらに固液分離槽の内部の状態となる原因を推定し、固液分離槽の内部の状態への対処方法を特定し、その上澄水画像が得られた後の固液分離槽の内部の状態を推測し、その変化を特定する。
ユーザーは、端末装置４５ｃを操作することによって、上澄水画像を示す情報と、固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報と、固液分離槽の内部の状態への対処方法を特定する情報と、その上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを含む、監視装置５０ｃを宛先とする診断結果通知を作成させる。端末装置４５ｃは、ユーザーの操作に基づいて、診断結果通知を作成する。端末装置４５ｃは、作成した診断結果通知を監視装置５０ｃへ送信する。

（監視システムの動作）
図２０は、実施形態の変形例３に係る監視システムの動作の例１を示す図である。図２０を参照して、監視装置５０ｃが、端末装置４５ｃが送信した診断結果通知に含まれる上澄水画像を示す情報と固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報と、診断結果への対処方法を特定する情報と、その上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを蓄積し、蓄積した上澄水画像を示す情報と固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報と、診断結果への対処方法を特定する情報と、その監視画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とに基づいて機械学習を行い、診断結果の学習モデルと原因の学習モデルと対処方法の学習モデルと変化の学習モデルとを生成する処理について説明する。
ステップＳ１－８からＳ１０－８は、図７のステップＳ１－１からＳ１０－１を適用できるため、ここでの説明は省略する。
（ステップＳ１１－８）
端末装置４５ｃは、監視装置５０ｃが送信した上澄水画像応答を受信する。端末装置４５ｃは、受信した上澄水画像応答に含まれる上澄水画像を示す情報を画像処理することによって上澄水画像を表示する。端末装置４５ｃは、上澄水画像を示す情報と、固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報と、その診断結果への対処方法を特定する情報と、その上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを含む、監視装置５０ｃを宛先とする診断結果通知を作成する。

（ステップＳ１２－８）
端末装置４５ｃは、作成した診断結果通知を監視装置５０ｃへ送信する。
（ステップＳ１３－８）
監視装置５０ｃにおいて、通信装置５１は、端末装置４５ｃが送信した診断結果通知を受信する。学習部５６ｃは、通信装置５１が受信した診断結果通知を取得し、取得した診断結果通知に含まれる上澄水画像を示す情報と、固液分離槽の内部の状態の診断結果と、その診断結果への対処方法を特定する情報とその上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを取得する。
学習部５６ｃは、取得した上澄水画像を示す情報と固液分離槽の内部の状態の診断結果とを関連付けた診断結果の教師データと、上澄水画像を示す情報と固液分離槽の内部の状態の診断結果となる原因を特定する情報とを関連付けた原因の教師データと、上澄水画像を示す情報と診断結果への対処方法を特定する情報とを関連付けた対処方法の教師データと、上澄水画像を示す情報とその上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを関連付けた変化の教師データとを記録装置５２に記憶させる。
（ステップＳ１４－８）
監視装置５０ｃにおいて、学習部５６ｃは、記録装置５２に記憶された診断結果の教師データを取得する。学習部５６ｃは、取得した診断結果の教師データに基づいて、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果とを機械学習することによって、上澄水画像と固液分離槽の内部の状態とを関係付けた診断結果の学習モデルを生成する。
学習部５６ｃは、記録装置５２に記憶された原因の教師データを取得する。学習部５６ｃは、取得した原因の教師データに基づいて、上澄水画像と固液分離槽の内部の状態の診断結果となる原因を特定する情報とを機械学習することによって、上澄水画像と固液分離槽の内部の状態の診断結果となる原因を特定する情報とを関係付けた原因の学習モデルを生成する。
学習部５６ｃは、記録装置５２に記憶された対処方法の教師データを取得する。学習部５６ｃは、取得した対処方法の教師データに基づいて、上澄水画像と固液分離槽の内部の状態への対処方法を特定する情報とを機械学習することによって、上澄水画像と固液分離槽の内部の状態への対処方法を特定する情報とを関係付けた対処方法の学習モデルを生成する。
学習部５６ｃは、記録装置５２に記憶された変化の教師データを取得する。学習部５６ｃは、取得した変化の教師データに基づいて、上澄水画像とその上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを機械学習することによって、上澄水画像とその上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを関係付けた変化の学習モデルを生成する。

（ステップＳ１５－８）
監視装置５０ｃにおいて、学習部５６ｃは、生成した診断結果の学習モデルと原因の学習モデルと対処方法の学習モデルと変化の学習モデルとを記録装置５２に記憶させる。

なお、診断結果通知は、上澄水画像ではなく監視画像に基づいて診断された結果であってもよい。つまり、ステップＳ７－８において端末装置４５ｃが監視画像要求を作成し、ステップＳ８－８において端末装置４５ｃが作成した監視画像要求を監視装置５０ｃへ送信し、ステップＳ９－８において監視装置５０ｃが監視画像を作成し、ステップＳ１０－８において監視装置５０ｃが監視画像応答を端末装置４５ｃへ送信してもよい。

図２１は、実施形態の変形例３に係る監視システムの動作の例２を示す図である。図２１を参照して、監視装置５０ｃが、データ処理装置３０が送信したデジタル信号を取得し、取得したデジタル信号に基づいて、上澄水画像を作成する。監視装置５０ｃが、作成した上澄水画像に基づいて、固液分離槽の内部の状態を判定する処理について説明する。
ステップＳ１－９からＳ６－９は、図７のステップＳ１－１からＳ６－１を適用できるため、ここでの説明は省略する。
（ステップＳ７－９）
監視装置５０ｃにおいて、現状判定部５５ａは、記録装置５２に記憶された画素データを取得し、取得した画素データに基づいて、上澄水画像を作成する。
（ステップＳ８－９）
監視装置５０ｃにおいて、現状判定部５５ａは、記録装置５２に記憶された診断結果の学習モデルを取得する。
（ステップＳ９－９）
監視装置５０ｃにおいて、現状判定部５５ａは、取得した診断結果の学習モデルに基づいて、作成した上澄水画像の固液分離槽の内部の状態を判定する。
（ステップＳ１０－９）
監視装置５０ｃにおいて、原因判定部５７ｂは、現状判定部５５ａから固液分離槽の内部の状態の判定結果を取得する。原因判定部５７ｂは、取得した固液分離槽の内部の状態の判定結果が不調又は異常であるかを判定する。原因判定部５７ｂが、取得した固液分離槽の内部の状態の判定結果が不調と異常とのいずれでもないと判定した場合にはステップＳ１５－９へ移行する。
（ステップＳ１１－９）
監視装置５０ｃにおいて、原因判定部５７ｂは、取得した固液分離槽の内部の状態の判定結果が不調又は異常であると判定した場合に、記録装置５２に記憶された原因の学習モデルを取得する。
（ステップＳ１２－９）
監視装置５０ｃにおいて、原因判定部５７ｂは、取得した原因の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態となる原因を判定する。
（ステップＳ１３－９）
監視装置５０ｃにおいて、対処方法判定部５８ｃは、現状判定部５５ａから上澄水画像を示す情報と画像固液分離槽の内部の状態の判定結果を取得する。対処方法判定部５８ｃは、取得した固液分離槽の内部の状態の判定結果が不調又は異常である場合には、記録装置５２に記憶された対処方法の学習モデルを取得する。

（ステップＳ１４－９）
監視装置５０ｃにおいて、対処方法判定部５８ｃは、取得した対処方法の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態への対処方法を判定する。
（ステップＳ１５－９）
監視装置５０ｃにおいて、変化予兆導出部５９は、記録装置５２に記憶された変化の学習モデルを取得する。監視装置５０ｃにおいて、変化予兆導出部５９は、取得した変化の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態の変化の予兆を検出する。
（ステップＳ１６－９）
監視装置５０ｃにおいて、変化予兆導出部５９は、現状判定部５５ａから上澄水画像を示す情報と画像固液分離槽の内部の状態の判定結果を取得する。変化予兆導出部５９は、原因判定部５７ｂから上澄水画像の固液分離槽の内部の状態となる原因を特定する情報を取得する。変化予兆導出部５９は、上澄水画像を示す情報と画像固液分離槽の内部の状態の判定結果と固液分離槽の内部の状態となる原因を特定する情報と固液分離槽の内部の状態への対処方法を特定する情報と固液分離槽の内部の状態の変化の予兆の検出結果と含む、情報処理装置４０ｃを宛先とする状態通知情報を作成する。
（ステップＳ１７－９）
監視装置５０ｃにおいて、変化予兆導出部５９は、作成した状態通知情報を通信装置５１へ出力する。通信装置５１は、対処方法判定部５８ｃが出力した状態通知情報を取得し、取得した状態通知情報を情報処理装置４０ｃへ送信する。
なお、ステップＳ７－９において監視装置５０は上澄水画像を作成するが一例に過ぎない。例えば、監視装置５０が画素データに基づいて監視画像を作成し、その後のステップにおいて汚泥界面より深い部分を無視するなどにより、上澄水画像に着目していればよい。
監視装置５０ｃが、情報処理装置４０ｃが送信した槽内状態情報要求に基づいて、上澄水画像を示す情報を送信する処理については、図９を適用できるため、説明を省略する。

前述した実施形態の変形例３では、１つの下水処理設備１０に監視システム１００ｃが接続されている場合について説明したが、この例に限られない。例えば、複数の下水処理設備１０に監視システム１００ｃが接続されてもよいし、１つの下水処理設備１０に複数の監視システム１００ｃが接続されてもよい。仮に、複数の下水処理設備１０に監視システム１００ｃが接続された場合には、Ａという設備で経験のない非定常状態が生じた場合に、Ｂという設備でその非定常状態が生じた経験があれば、“異常”として判断し、その異常の原因を特定する情報と、対処方法を特定する情報と、その上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とが判定され、出力される可能性が高い。つまり、監視装置５０ｃは、より多くの学習が可能となるため、判定に使用できる事例数を増加させることができる。このため、異常又は不調と判断できる非定常状態を増加させることができる。
前述した実施形態の変形例３では、監視装置５０ｃが機械学習を行う場合について説明したが、この例に限られない。例えば、機械学習を行う装置を監視装置５０ｃとは別の装置で実現してもよい。この場合、学習装置は、実施形態の変形例２で説明した学習装置において、学習装置は、上澄水画像と上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを監視装置５０ｃからを取得する。学習装置の学習部は、上澄水画像と上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の状態の変化を特定する情報との関係を表した第４学習モデルを機械学習（教師あり機械学習）によって生成する。
実施形態の変形例３において、情報処理装置４０ｃは、状態通知に含まれる固液分離槽の内部の状態の変化を特定する情報を下水処理設備１０のオペレータに通知してもよい。

実施形態の変形例３に係る監視システム１００ｃによれば、監視装置５０ｃは、実施形態に係る監視装置５０ｂにおいて、上澄水画像と上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の状態の変化を特定する情報との関係を学習した変化の学習モデルとしての第４学習モデルを用いて、診断の対象である固液分離槽の上澄水画像から固液分離槽の内部の状態の変化の予兆を検出する変化予兆導出部５９を備える。出力部は、診断の対象である固液分離槽の上澄水画像と第４学習モデルとを用いて変化予兆導出部が検出した固液分離槽の内部の状態の変化の予兆を特定する情報をさらに出力する。
このように構成することによって、監視装置５０ｃは、上澄水画像と固液分離槽の内部の状態の変化を特定する情報との関係を学習した第４学習モデルを用いて、診断の対象である固液分離槽の上澄水画像から固液分離槽の内部の状態の変化の予兆を検出できるため、固液分離槽の内部の状態の変化を監視できる。第４学習モデルを用いて、診断の対象である固液分離槽の上澄水画像から固液分離槽の内部の状態の変化の予兆を検出できることによって、人が経験に基づいて固液分離槽の内部の状態の変化の予兆を検出する場合と比較して、人の経験は不要であり、診断結果のバラツキも低減できる。

［実施形態の変形例４］
（監視システム）
図２２は、本発明の実施形態の変形例４に係る監視システムの構成例を示す図である。実施形態の変形例４に係る監視システム１００ｄは、実施形態の変形例３において、監視装置５０ｄを、ネットワークＮＷを介さずにデータ処理装置３０ｄとゲートウェイ装置３１との間に接続したものである。実施形態の変形例４に係る監視システム１００ｄは、沈殿槽、濃縮槽などの固液分離槽の汚泥堆積状態を診断し、変化の予兆を検出する。実施形態の変形例４では、実施形態と同様に、固液分離槽を備える設備の一例として、下水処理設備１０を適用する。図２２においては下水処理設備１０については省略されている。

（監視システム１００ｄ）
監視システム１００ｄは、超音波センサ２０と、データ処理装置３０ｄと、監視装置５０ｄと、ゲートウェイ装置３１と、情報処理装置４０ｄと、端末装置４５ｄとを備える。 ゲートウェイ装置３１と、情報処理装置４０ｄと、端末装置４５ｄとは、ネットワークＮＷを介して接続される。
データ処理装置３０ｄでは、データ演算部３４は、デジタル信号を、監視装置５０ｄへ送信する。

（監視装置５０ｄ）
図２３は、本実施形態の変形例４に係る監視システムの監視装置の一例を示す図である。監視装置５０ｄは、パーソナルコンピュータ、サーバー、又は産業用コンピュータ等の装置によって実現される。監視装置５０ｄは、通信装置５１と、記録装置５２と、情報処理部５３ｄと、各構成要素を図２３に示されているように電気的に接続するためのアドレスバスやデータバス等のバスラインＢＬとを備える。
記録装置５２には、監視装置５０ｄにより実行されるプログラム（監視アプリ）が記憶される。また、記録装置５２には、情報処理部５３ｄが出力する画素データが記憶される。
記録装置５２には、監視画像を示す情報とその上澄水画像による固液分離槽の内部の状態の診断結果とを関連付けた診断結果の教師データと、診断結果の教師データに基づいて、上澄水画像と固液分離槽の内部の状態との関係を機械学習することによって得られた診断結果の学習モデルとが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像による固液分離槽の内部の状態の診断結果となる原因を特定する情報とを関連付けた原因の教師データと、原因の教師データに基づいて、上澄水画像と固液分離槽の内部の状態となる原因を特定する情報との関係を機械学習することによって得られた原因の学習モデルとが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像による固液分離槽の内部の状態の診断結果への対処方法を特定する情報とを関連付けた対処方法の教師データと、対処方法の教師データに基づいて、上澄水画像と固液分離槽の内部の状態への対処方法を特定する情報との関係を機械学習することによって得られた対処方法の学習モデルとが記憶される。
記録装置５２には、上澄水画像を示す情報とその上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを関連付けた変化の教師データと、変化の教師データに基づいて、上澄水画像と固液分離槽の内部の状態の変化を特定する情報との関係を機械学習することによって得られた変化の学習モデルとが記憶される。

情報処理部５３ｄは、例えば、グラフィック化部５４ｄと、現状判定部５５ｄと、学習部５６ｄと、原因判定部５７ｄと、対処方法判定部５８ｄと、変化予兆導出部５９ｄとして機能する。
グラフィック化部５４ｄは、通信装置５１が受信したデジタル信号を取得する。グラフィック化部５４ｄは、取得したデジタル信号の値を画素データに変換する。グラフィック化部５４ｄは、デジタル信号の変換後の画素データを記録装置５２に記憶させる。
グラフィック化部５４ｄは、通信装置５１が受信した上澄水画像要求を取得する。グラフィック化部５４ｄは、取得した上澄水画像要求に基づいて、記録装置５２に記憶した画素データを取得する。グラフィック化部５４ｄは、取得した画素データに基づいて、上澄水画像を作成する。グラフィック化部５４ｄは、作成した上澄水画像を示す情報を含む、情報処理装置４０ｄを宛先とする上澄水画像応答を作成する。グラフィック化部５４ｄは、作成した上澄水画像応答を通信装置５１へ出力する。
グラフィック化部５４ｄは、通信装置５１が受信した槽内状態情報要求を取得する。グラフィック化部５４ｄは、取得した槽内状態情報要求に基づいて、記録装置５２に記憶した画素データを取得し、取得した画素データに基づいて、上澄水画像を作成する。グラフィック化部５４ｄは、作成した上澄水画像を示す情報を含む、情報処理装置４０ｄを宛先とする槽内状態情報応答を作成する。グラフィック化部５４ｄは、作成した槽内状態情報応答を通信装置５１へ出力する。

現状判定部５５ｄは、記録装置５２に記憶された画素データを取得し、取得した画素データに基づいて、上澄水画像を作成する。現状判定部５５ｄは、記録装置５２に記憶された診断結果の学習モデルを取得する。現状判定部５５ｄは、取得した診断結果の学習モデルに基づいて、作成した上澄水画像の固液分離槽の内部の状態を判定する。現状判定部５５ｄは、固液分離槽の内部の状態の判定結果が不調又は異常である場合には、固液分離槽の内部の状態の判定結果を示す情報を含む、情報処理装置４０ｄを宛先とする状態通知情報を作成する。現状判定部５５ｄは、作成した状態通知情報を通信装置５１へ出力する。通信装置５１は、現状判定部５５ｄが出力した状態通知情報を取得し、取得した状態通知情報を情報処理装置４０ｄへ送信する。
現状判定部５５ｄは、上澄水画像を作成する場合に、計測したデータをそのまま使用してもよいし、間引きすることによって限られた表示幅に長時間の間に計測されたデータを含めてもよい。限られた表示幅に長時間の間に計測されたデータを含めることによって、より長い時間の変化を監視できる。仮に、静止画であるならば、任意の適当な間隔で画素データをピックアップして切替表示させることができるが、本実施形態の変形例４では常に計測を行なって新しいデータが追加されていくため、任意の適当な間隔で画素データをピックアップして切替表示させた場合にはデータ処理に遅延や阻害をきたすおそれがあり、画像表示のために計測が不安定となっては本末転倒となる。そこで、本実施形態の変形例４では、予めプリセットされた表示時間幅がいくつか用意され、複数の表示時間幅の各々に対応する時間幅用のデータ格納領域が作成される。本実施形態では、新規データを追加する間隔（インターバル）が指定され、複数のインターバルの各々に対応する画像データベース（データ格納領域（番地））が作成される。

監視装置５０ｄに対して、表示を切り替える操作が行われるとともに、表示時間幅が選択される。現状判定部５５ｄは、選択された時間表示幅に対応したデータベースからデータを取得し、取得したデータを使用して上澄水画像を作成する。仮に、時間表示幅を切り替え操作が行われた場合には、選択された時間表示幅に対応したデータベースからデータを取得し、取得したデータを使用して上澄水画像を作成する。このように構成することによって、データが格納されるデータベースのデータを加工することなく、上澄水画像を作成するタイムラグもなく、スムーズな切り替えができる。
学習部５６ｄは、通信装置５１が受信した診断結果通知を取得し、取得した診断結果通知に含まれる上澄水画像を示す情報とその上澄水画像による固液分離槽の内部（槽内）の状態の診断結果とを関連付けた診断結果の教師データを記録装置５２に記憶させる。学習部５６ｄは、記録装置５２に記憶された診断結果の教師データを取得する。学習部５６ｄは、取得した診断結果の教師データに基づいて、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果とを機械学習（教師あり学習）することによって、上澄水画像と固液分離槽の内部の状態とを関係付けた診断結果の学習モデルを生成する。例えば、学習部５６ｄは、畳み込みニューラルネットワークを使用して、上澄水画像を認識する。診断結果の学習モデルによって、上澄水画像を示す情報に基づいて、上澄水画像が、固液分離槽の内部の状態として、正常と、不調と、異常とのいずれかに分類される。学習部５６ｄは、生成した診断結果の学習モデルを記録装置５２に記憶させる。
学習部５６ｄは、記録装置５２に記憶された対処方法の教師データを取得する。学習部５６ｄは、取得した対処方法の教師データに基づいて、上澄水画像とその上澄水画像による固液分離槽の内部の状態の診断結果への対処方法を特定する情報とを機械学習（教師あり学習）することによって、上澄水画像と固液分離槽の内部の状態への対処方法とを関係付けた対処方法の学習モデルを生成する。例えば、学習部５６ｄは、畳み込みニューラルネットワークを使用して、上澄水画像を認識する。対処方法の学習モデルによって、上澄水画像を示す情報に基づいて、上澄水画像が、固液分離槽の内部の状態への対処方法を特定する情報のいずれかに分類される。学習部５６ｄは、生成した対処方法の学習モデルを記録装置５２に記憶させる。

学習部５６ｄは、記録装置５２に記憶された変化の教師データを取得する。学習部５６ｄは、取得した変化の教師データに基づいて、上澄水画像とその上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを機械学習（教師あり学習）することによって、上澄水画像とその上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを関係付けた変化の学習モデルを生成する。例えば、学習部５６ｄは、畳み込みニューラルネットワークを使用して、上澄水画像を認識する。変化の学習モデルによって、上澄水画像を示す情報に基づいて、上澄水画像が、その上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報のいずれかに分類される。学習部５６ｄは、生成した変化の学習モデルを記録装置５２に記憶させる。

原因判定部５７ｄは、現状判定部５５ｄから上澄水画像を示す情報と固液分離槽の内部の状態の判定結果とを取得する。原因判定部５７ｄは、取得した固液分離槽の内部の状態の判定結果が不調又は異常である場合には、記録装置５２に記憶された原因の学習モデルを取得する。原因判定部５７ｄは、取得した原因の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態となる原因を特定する情報を判定する。原因判定部５７ｄは、上澄水画像を示す情報と固液分離槽の内部の状態を示す情報と固液分離槽の内部の状態となる原因を特定する情報の判定結果を示す情報と含む、情報処理装置４０ｄを宛先とする状態通知情報を作成する。原因判定部５７ｄは、作成した状態通知情報を通信装置５１へ出力する。通信装置５１は、原因判定部５７ｄが出力した状態通知情報を取得し、取得した状態通知情報を情報処理装置４０ｄへ送信する。

対処方法判定部５８ｄは、現状判定部５５ｄから上澄水画像を示す情報と固液分離槽の内部の状態の判定結果とを取得する。対処方法判定部５８ｄは、取得した固液分離槽の内部の状態の判定結果が不調又は異常である場合には、記録装置５２に記憶された対処方法の学習モデルを取得する。対処方法判定部５８ｄは、取得した対処方法の学習モデルに基づいて、取得した上澄水画像の固液分離槽の内部の状態への対処方法を判定する。
対処方法判定部５８ｄは、原因判定部５７ｄから上澄水画像の固液分離槽の内部の状態となる原因を特定する情報を取得する。対処方法判定部５８ｄは、上澄水画像を示す情報と固液分離槽の内部の状態となる原因を特定する情報と固液分離槽の内部の状態への対処方法を特定する情報と含む、情報処理装置４０ｄを宛先とする状態通知情報を作成する。対処方法判定部５８ｄは、作成した状態通知情報を通信装置５１へ出力する。

変化予兆導出部５９ｄは、現状判定部５５ｄから上澄水画像を示す情報を取得する。変化予兆導出部５９ｄは、記録装置５２に記憶された変化の学習モデルを取得する。変化予兆導出部５９ｄは、取得した変化の学習モデルに基づいて、取得した上澄水画像の固液分離槽の変化の予兆を導出する。
情報処理部５３ｄの全部または一部は、例えば、ＣＰＵなどのプロセッサが記録装置５２に格納された監視アプリなどのプログラムを実行することにより実現される機能部（以下、ソフトウェア機能部と称する）である。なお、情報処理部５３ｃの全部または一部は、ＬＳＩ、ＡＳＩＣ、またはＦＰＧＡなどのハードウェアにより実現されてもよく、ソフトウェア機能部とハードウェアとの組み合わせによって実現されてもよい。
情報処理装置４０ｄは、情報処理装置４０を適用できる。

（端末装置４５ｄ）
端末装置４５ｄは、パーソナルコンピュータ、サーバー、又は産業用コンピュータ等の装置によって実現される。端末装置４５ｄの一例は、下水処理設備１０を監視する監視センタに設置される。
ユーザーは、固液分離槽の内部の状態を診断する場合に、端末装置４５ｄを操作することによって、上澄水画像を要求する情報を含む、監視装置５０ｄを宛先とする上澄水画像要求を作成させる。端末装置４５ｄは、ユーザーの操作に基づいて、上澄水画像要求を作成する。端末装置４５ｄは、作成した上澄水画像要求を監視装置５０ｄへ送信する。
端末装置４５ｄは、監視装置５０ｄへ送信した上澄水画像要求に対して監視装置５０ｄが送信した上澄水画像応答を受信する。端末装置４５ｄは、上澄水画像応答に含まれる上澄水画像を表示する。ユーザーは、端末装置４５ｄが表示した上澄水画像を参照し、上澄水画像に含まれる固液分離槽の内部の状態を診断し、さらに固液分離槽の内部の状態となる原因を推定し、固液分離槽の内部の状態への対処方法を特定し、その上澄水画像が得られた後の固液分離槽の内部の状態を推測し、その変化を特定する。
ユーザーは、端末装置４５ｄを操作することによって、上澄水画像を示す情報と、固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報と、固液分離槽の内部の状態への対処方法を特定する情報と、その上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを含む、監視装置５０ｄを宛先とする診断結果通知を作成させる。端末装置４５ｄは、ユーザーの操作に基づいて、診断結果通知を作成する。端末装置４５ｄは、作成した診断結果通知を監視装置５０ｄへ送信する。

（監視システムの動作）
図２４は、実施形態の変形例４に係る監視システムの動作の例１を示す図である。図２４を参照して、監視装置５０ｄが、端末装置４５ｄが送信した診断結果通知に含まれる上澄水画像を示す情報と固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報と、診断結果への対処方法を特定する情報と、その上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とを蓄積し、蓄積した上澄水画像を示す情報と固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報と、診断結果への対処方法を特定する情報と、その上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とに基づいて機械学習を行い、診断結果の学習モデルと原因の学習モデルと対処方法の学習モデルと変化の学習モデルとを生成する処理について説明する。
ステップＳ１－１０からＳ１０－１０は、図７のステップＳ１－１からＳ１０－１を適用でき、ステップＳ１１－１０からＳ１５－１０は、図２０のステップＳ１１－８からＳ１５－８を適用できるため、ここでの説明は省略する。

図２５は、実施形態の変形例４に係る監視システムの動作の例２を示す図である。図２５を参照して、監視装置５０ｄが、データ処理装置３０ｄが送信したデジタル信号を取得し、取得したデジタル信号に基づいて、上澄水画像を作成する。監視装置５０ｄが、作成した上澄水画像に基づいて、固液分離槽の内部の状態を判定する処理について説明する。
ステップＳ１－１１からＳ６－１１は、図７のステップＳ１－１からＳ６－１を適用でき、ステップＳ７－１１からＳ１７－１１は、図２１のステップＳ７－９からＳ１７－９を適用できるため、ここでの説明は省略する。
監視装置５０ｄが、情報処理装置４０ｄが送信した槽内状態情報要求に基づいて、上澄水画像を示す情報を送信する処理については、図９を適用できるため、説明を省略する。

前述した実施形態の変形例４では、実施形態の変形例３において、監視装置５０ｄを、ネットワークＮＷを介さずにデータ処理装置３０ｄとゲートウェイ装置３１との間に接続した場合について接続したがこの例に限られない。例えば、実施形態において、監視装置５０を、ネットワークＮＷを介さずにデータ処理装置３０とゲートウェイ装置３１との間に接続した場合にも適用できる。実施形態の変形例１において、監視装置５０ａを、ネットワークＮＷを介さずにデータ処理装置３０とゲートウェイ装置３１との間に接続した場合にも適用できる。実施形態の変形例２において、監視装置５０ｂを、ネットワークＮＷを介さずにデータ処理装置３０とゲートウェイ装置３１との間に接続した場合にも適用できる。

実施形態の変形例４に係る監視システム１００ｄによれば、監視装置５０ｄを、ネットワークＮＷを介さずにデータ処理装置３０とゲートウェイ装置３１との間に接続することによって、監視装置５０ｄを下水処理設備１０が設置されている現場に設置できる。このため、監視装置５０ｄを、ネットワークＮＷを介して下水処理設備１０が設置されている現場から離れた位置に設置した場合と比較して、データ処理装置３０ｄのデータをリアルタイムに監視できる。
監視装置５０ｄによる判定、導出をリアルタイムに行うことができるため、判定、導出に要する時間を短縮できる。判定、導出に要する時間を短縮できるため、異常、不調と判定された場合の状態通知を即座に行うことができる。
監視装置５０ｄを下水処理設備１０が設置されている現場に設置できるため、監視装置５０ｄを、ネットワークＮＷを介して下水処理設備１０が設置されている現場から離れた位置に設置した場合と比較して、データハッキング、システムへの攻撃リスクを低減できる。
監視装置５０ｄを下水処理設備１０が設置されている現場に設置できるため、監視装置５０ｄを、ネットワークＮＷを介して下水処理設備１０が設置されている現場から離れた位置に設置した場合と比較して、その現場（設備）特有な状況の判定、原因判定、対処方法判定、予兆の導出が容易である。
監視センタに設置された情報処理装置４０ｄは、ネットワークＮＷ、ゲートウェイ装置３１を通じて、現場に設置された監視装置５０ｄの記録装置５２に記録された情報（プログラム、監視アプリ、学習モデル、画像データ、ＡＩ解析結果）を遠隔からアップデートすることができる。
現場の設置された監視装置５０ｄの記録装置５２に記録された情報（主に画素データ、ＡＩ解析結果）は、ゲートウェイ装置３１、ネットワークＮＷを通じて遠隔に設置された情報処理装置４０ｄにアップデートすることができる。

以下、他の実施形態に係る監視システムについて説明する。他の実施形態に係る監視システムは、図１に示す監視システムと同様の構成であるが、以下の点で異なる。

記録装置５２には、監視画像を示す情報とその監視画像による固液分離槽の内部（槽内）の診断結果とを関連付けた診断結果の教師データと、診断結果の教師データに基づいて、監視画像と固液分離槽の内部の状態との関係を機械学習することによって得られた診断結果の学習モデルとが記憶される。
診断結果の教師データは、監視画像とその監視画像による固液分離槽の内部の状態の診断結果とを関連付けたデータである。本実施形態では、一例として、複数の監視画像の各々に対して、診断結果として「正常」と「異常」と「不調」とのいずれかが関連付けられる。図６を用いて説明すると、（１）は、上澄水と汚泥堆積層とが分離しており、固液分離が良好な状態であるため、正常であると診断される。（２）は、汚泥の沈降性が悪化し、汚泥が浮上している状態であるため、異常であると診断される。（３）は、堆積汚泥の舞い上がりが見られるため、不調であると診断される。

グラフィック化部５４は、通信装置５１が受信した監視画像要求を取得する。グラフィック化部５４は、取得した監視画像要求に基づいて、記録装置５２に記憶した画素データを取得する。グラフィック化部５４は、取得した画素データに基づいて、監視画像を作成する。グラフィック化部５４は、作成した監視画像を示す情報を含み、情報処理装置４０を宛先とする監視画像応答を作成する。
グラフィック化部５４は、作成した監視画像がエラー画像であるか否かを判定する。グラフィック化部５４は、エラー画像でないと判定した監視画像を含む監視画像応答を通信装置５１へ出力する。
図２６はエラー画像の一例である。エラー画像は、超音波センサ２０が故障する又は汚泥に埋まるなどの原因により処理槽２５を測定できていないときに作成される監視画像である。エラー画像は信号強度が縦方向にも横方向にも弱い画像である。グラフィック化部５４は、例えば信号強度が一定時間所定の深さから所定の大きさ以下であるとき、当該監視画像をエラー画像であると判定する。

グラフィック化部５４は、取得した槽内状態情報要求に基づいて、記録装置５２に記憶した画素データを取得し、取得した画素データに基づいて、監視画像を作成する。グラフィック化部５４は、作成した監視画像を示す情報を含み、情報処理装置４０を宛先とする槽内状態情報応答を作成する。

現状判定部５５は、記録装置５２に記憶された画素データを取得し、取得した画素データに基づいて、監視画像を作成する。現状判定部５５は、作成した監視画像がエラー画像であるか否かを判定する。判定方法はグラフィック化部５４による判定方法と同じである。現状判定部５５は、エラー画像でないと判定した場合に、取得した診断結果の学習モデルに基づいて、作成した監視画像の固液分離槽の内部の状態を判定する。

学習部５６は、通信装置５１が受信した診断結果通知を取得し、取得した診断結果通知に含まれる監視画像を示す情報とその監視画像による固液分離槽の内部（槽内）の状態の診断結果とを関連付けた診断結果の教師データを記録装置５２に記憶させる。学習部５６は、取得した診断結果の教師データに基づいて、監視画像とその監視画像による固液分離槽の内部の状態の診断結果とを機械学習（教師あり学習）することによって、監視画像と固液分離槽の内部の状態とを関係付けた診断結果の学習モデルを生成する。例えば、学習部５６は、畳み込みニューラルネットワーク（ＣＮＮ： Ｃｏｎｖｏｌｕｔｉｏｎａｌ ｎｅｕｒａｌ ｎｅｔｗｏｒｋ）を使用して、監視画像を認識する。診断結果の学習モデルによって、監視画像を示す情報に基づいて、監視画像が、固液分離槽の内部の状態として、正常と、不調と、異常とのいずれかに分類される。

情報処理装置４０は、受信した槽内状態情報応答に含まれる監視画像を取得する。情報処理装置４０は、取得した監視画像を表示する。
ユーザーは、固液分離槽の内部の状態を診断する場合に、端末装置４５を操作することによって、監視画像を要求する情報を含む、監視装置５０を宛先とする監視画像要求を作成させる。端末装置４５は、ユーザーの操作に基づいて、監視画像要求を作成する。端末装置４５は、作成した監視画像要求を監視装置５０へ送信する。
端末装置４５は、監視装置５０へ送信した監視画像要求に対して監視装置５０が送信した監視画像応答を受信する。端末装置４５は、監視画像応答に含まれる監視画像を表示する。ユーザーは、端末装置４５が表示した監視画像を参照し、監視画像に含まれる固液分離槽の内部の状態を診断する。
ユーザーは、端末装置４５を操作することによって、監視画像を示す情報と、固液分離槽の内部の状態の診断結果を含む、監視装置５０を宛先とする診断結果通知を作成させる。

つまり、他の実施形態に監視システムは、上澄水画像ではなく監視画像を用いる。また、監視画像がエラー画像であるか否かを判定する。なお、監視システムにおいて監視画像がエラー画像であるか否かを判定した後に監視画像から上澄水画像を作成してもよい。つまり、エラー画像であるか否かの判定は上記説明した実施形態及びその変形例に組み込むことが可能である。

（監視システムの動作）
図２７は、他の実施形態に係る監視システムの動作の例１を示す図である。図２７を参照して、監視装置５０が、端末装置４５が送信した診断結果通知に含まれる固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報とを蓄積し、蓄積した固液分離槽の内部の状態の診断結果と、その診断結果となる原因を特定する情報とに基づいて機械学習を行い、診断結果の学習モデルと原因の学習モデルとを生成する処理について説明する。

（ステップＳ１－１２）
データ処理装置３０において、超音波発信受信回路３２は超音波を送信するための電気信号を生成し、生成した電気信号を超音波センサ２０へ出力する。
（ステップＳ２－１２）
データ処理装置３０において、超音波発信受信回路３２は超音波センサ２０が出力した電気信号を受信する。
（ステップＳ３－１２）
データ処理装置３０において、超音波発信受信回路３２は、受信した電気信号をデータ変換回路３３へ出力する。データ変換回路３３は、超音波発信受信回路３２が出力した電気信号を取得する。データ変換回路３３は、取得した電気信号を増幅する。データ変換回路３３は、増幅した電気信号をマスキング処理する。データ変換回路３３は、増幅した電気信号をマスキング処理した結果に基づいて、信号強度をデジタル処理化することによってデジタル信号へ変換する。データ演算部３４は、データ変換回路３３からデジタル信号を取得し、取得したデジタル信号について、位置（距離）情報に関わる温度補正演算、界面レベルの判定演算を行う。
（ステップＳ４－１２）
データ処理装置３０において、データ演算部３４は、位置（距離）情報に関わる温度補正演算、界面レベルの判定演算を行ったデジタル信号を、ゲートウェイ装置３１を経由して監視装置５０へ送信する。
（ステップＳ５－１２）
監視装置５０において、通信装置５１は、データ処理装置３０が送信したデジタル信号を受信する。グラフィック化部５４は、通信装置５１が受信したデジタル信号を取得する。グラフィック化部５４は、取得したデジタル信号の値を画素データに変換する。
（ステップＳ６－１２）
監視装置５０において、グラフィック化部５４は、デジタル信号に変換後の画素データを記録装置５２に記憶させる。
（ステップＳ７－１２）
端末装置４５は、監視画像要求を作成する。

（ステップＳ８－１２）
端末装置４５は、作成した監視画像要求を監視装置５０へ送信する。
（ステップＳ９－１２）
監視装置５０において、通信装置５１は、端末装置４５が送信した監視画像要求を受信する。グラフィック化部５４は、通信装置５１が受信した監視画像要求を取得する。グラフィック化部５４は、取得した監視画像要求に基づいて、記録装置５２に記憶した画素データを取得する。グラフィック化部５４は、取得した画素データに基づいて、監視画像を作成する。グラフィック化部５４は、作成した監視画像を示す情報を含む。端末装置４５を宛先とする監視画像応答を作成する。
（ステップＳ９ａ―１２）
グラフィック化部５４は、作成した監視画像がエラー画像であるか否かを判定する。
（ステップＳ９ｂ―１２）
グラフィック化部５４は、作成した監視画像がエラー画像である場合に動作を終了する。これにより、教師データにエラー画像が含まれないようにすることができる。グラフィック化部５４は、作成した監視画像がエラー画像である場合に端末装置４５に監視画像がエラー画像であることを通知してもよい。
（ステップＳ１０－１２）
監視装置５０において、グラフィック化部５４は、作成した監視画像がエラー画像でない場合に、作成した監視画像応答を通信装置５１へ出力する。通信装置５１は、グラフィック化部５４が出力した監視画像応答を取得し、取得した監視画像応答を端末装置４５へ送信する。
（ステップＳ１１－１２）
端末装置４５は、監視装置５０が送信した監視画像応答を受信する。端末装置４５は、受信した監視画像応答に含まれる監視画像を示す情報を画像処理することによって監視画像を表示する。端末装置４５は、監視画像を示す情報と、監視画像を診断した結果とを含む診断結果通知を作成する。
（ステップＳ１２－１２）
端末装置４５は、作成した診断結果通知を監視装置５０へ送信する。
（ステップＳ１３－１２）
監視装置５０において、通信装置５１は、端末装置４５が送信した診断結果通知を受信する。学習部５６は、通信装置５１が受信した診断結果通知を取得し、取得した診断結果通知に含まれる監視画像を示す情報とその監視画像による固液分離槽の内部（槽内）の状態の診断結果とを関連付けた診断結果の教師データを記録装置５２に記憶させる。
（ステップＳ１４－１２）
監視装置５０において、学習部５６は、記録装置５２に記憶された診断結果の教師データを取得する。学習部５６は、取得した診断結果の教師データに基づいて、監視画像とその監視画像による固液分離槽の内部の状態の診断結果とを機械学習することによって、監視画像と固液分離槽の内部の状態とを関係付けた診断結果の学習モデルを生成する。
（ステップＳ１５－１２）
監視装置５０において、学習部５６は、生成した診断結果の学習モデルを記録装置５２に記憶させる。

図２８は、他の実施形態に係る監視システムの動作の例２を示す図である。図２８を参照して、監視装置５０が、データ処理装置３０が送信したデジタル信号を取得し、取得したデジタル信号に基づいて、監視画像を作成する。監視装置５０が、作成した監視画像に基づいて、固液分離槽の内部の状態を判定する処理について説明する。
ステップＳ１－１３からＳ６－１３は、図２７のステップＳ１－１２からＳ６－１２を適用できるため、ここでの説明は省略する。
（ステップＳ７－１３）
監視装置５０において、現状判定部５５は、記録装置５２に記憶された画素データを取得し、取得した画素データに基づいて、監視画像を作成する。
（ステップＳ８－１３）
監視装置５０において、現状判定部５５は、記録装置５２に記憶された診断結果の学習モデルを取得する。
（ステップＳ８ａ―１３）
現状判定部５５は、作成した監視画像がエラー画像であるか否かを判定する。
（ステップＳ９ｂ―１２）
現状判定部５５は、作成した監視画像がエラー画像である場合に動作を終了する。現状判定部５５は、作成した監視画像がエラー画像である場合に情報処理装置４０に監視画像がエラー画像である状態通知を通信装置５１を介して出力してもよい。
（ステップＳ９－１３）
監視装置５０において、現状判定部５５は、取得した診断結果の学習モデルに基づいて、作成した監視画像の固液分離槽の内部の状態を判定する。
（ステップＳ１０－１３）
監視装置５０において、現状判定部５５は、固液分離槽の内部の状態の判定結果が不調又は異常であるか否かを判定する。現状判定部５５は、固液分離槽の内部の状態の判定結果が不調と異常とのいずれでもない、つまり正常と判定した場合には終了する。
（ステップＳ１１－１３）
監視装置５０において、現状判定部５５は、固液分離槽の内部の状態の判定結果が不調又は異常であると判定した場合には、固液分離槽の内部の状態の判定結果を示す情報を含む、情報処理装置４０を宛先とする状態通知情報を作成する。
（ステップＳ１２－１３）
監視装置５０において、現状判定部５５は、作成した状態通知情報を通信装置５１へ出力する。通信装置５１は、現状判定部５５が出力した状態通知情報を取得し、取得した状態通知情報を情報処理装置４０へ送信する。

図２９は、本実施形態に係る監視システムの動作の例３を示す図である。図９を参照して、監視装置５０が、情報処理装置４０が送信した槽内状態情報要求に基づいて、監視画像を示す情報を送信する処理について説明する。
ステップＳ１－１４からＳ６－１４は、図７のステップＳ１－１２からＳ６－１２を適用できるため、ここでの説明は省略する。
（ステップＳ７－１４）
情報処理装置４０は、ユーザーの操作に基づいて、槽内状態情報要求を作成する。
（ステップＳ８－１４）
情報処理装置４０は、作成した槽内状態情報要求を監視装置５０へ送信する。
（ステップＳ９－１４）
監視装置５０において、通信装置５１は、情報処理装置４０が送信した槽内状態情報要求を受信する。グラフィック化部５４は、通信装置５１が受信した槽内状態情報要求を取得する。グラフィック化部５４は、取得した槽内状態情報要求に基づいて、記録装置５２に記憶した画素データを取得し、取得した画素データに基づいて、監視画像を作成する。
（ステップＳ９ａ―１４）
グラフィック化部５４は、作成した監視画像がエラー画像であるか否かを判定する。
（ステップＳ９ｂ―１４）
グラフィック化部５４は、作成した監視画像がエラー画像である場合に動作を終了する。グラフィック化部５４は、作成した監視画像がエラー画像である場合に情報処理装置４０に監視画像がエラー画像である情報を含む槽内状態情報応答を通信装置５１を介して出力してもよい。
（ステップＳ１０－１４）
監視装置５０において、グラフィック化部５４は、作成した監視画像を示す情報を含む。情報処理装置４０を宛先とする槽内状態情報応答を作成する。
（ステップＳ１１－３）
監視装置５０において、グラフィック化部５４は、作成した槽内状態情報応答を通信装置５１へ出力する。通信装置５１は、グラフィック化部５４が出力した槽内状態情報応答を取得し、取得した槽内状態情報応答を情報処理装置４０へ送信する。
ステップＳ１１－３の後、情報処理装置４０は、監視装置５０が送信した槽内状態情報応答を受信し、受信した槽内状態情報応答に含まれる監視画像を示す情報を取得する。情報処理装置４０は、取得した監視画像を示す情報を画像処理することによって、監視画像を表示する。このように構成することによって、情報処理装置４０のユーザーは、固液分離槽の内部の状態を確認できる。

監視装置５０は、エラー画像である監視画像を学習モデルの作成に使用しない。また、監視装置５０は、エラー画像に対しては学習モデルを用いた判定を行わない。これにより、エラー画像が正常であると学習モデルにより誤って診断されることを防ぐことができる。また、監視画像から上澄水画像を作成する場合には、監視画像がエラー画像であるとき、エラー画像において信号強度が小さい部分が上澄水画像として作成され、学習モデルの作成や学習モデルを用いた判定に使用され、誤った診断につながる可能性がある。そのため、エラー画像を取り除くことでエラー画像から上澄水の測定結果に基づかない偽の上澄水画像が作成されるのを防ぐことができる。

以上、本発明の実施形態について図面を参照して詳述してきたが、具体的な構成はこの実施形態に限られるものではなく、本発明の要旨を逸脱しない範囲の設計変更等も含まれる。
例えば、上述した各装置の機能を実現するためのコンピュータプログラムをコンピュータ読み取り可能な記録媒体に記録して、この記録媒体に記録されたプログラムをコンピュータシステムに読み込ませ、実行するようにしてもよい。なお、ここでいう「コンピュータシステム」とは、ＯＳや周辺機器等のハードウェアを含むものであってもよい。
また、「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスク、光磁気ディスク、ＲＯＭ、フラッシュメモリ等の書き込み可能な不揮発性メモリ、ＤＶＤ（Digital Versatile Disc）等の可搬媒体、コンピュータシステムに内蔵されるハードディスク等の記憶装置のことをいう。

さらに「コンピュータ読み取り可能な記録媒体」とは、インターネット等のネットワークや電話回線等の通信回線を介してプログラムが送信された場合のサーバやクライアントとなるコンピュータシステム内部の揮発性メモリ（例えばＤＲＡＭ（Dynamic Random Access Memory））のように、一定時間プログラムを保持しているものも含むものとする。 また、上記プログラムは、このプログラムを記憶装置等に格納したコンピュータシステムから、伝送媒体を介して、あるいは、伝送媒体中の伝送波により他のコンピュータシステムに伝送されてもよい。ここで、プログラムを伝送する「伝送媒体」は、インターネット等のネットワーク（通信網）や電話回線等の通信回線（通信線）のように情報を伝送する機能を有する媒体のことをいう。
また、上記プログラムは、前述した機能の一部を実現するためのものであってもよい。さらに、前述した機能をコンピュータシステムにすでに記録されているプログラムとの組み合わせで実現できるもの、いわゆる差分ファイル（差分プログラム）であっても良い。

１０…下水処理設備、１１…前沈殿槽、１２…濃縮槽、１３…貯留槽、１４…脱水機、１５…コンテナ、１６…曝気槽、１７…後沈殿槽、１８…ポンプ、１９…設備制御装置、２０…超音波センサ、２１発振部、２２…受信部、２３…懸濁物堆積層、２４…上澄水、２５…処理槽、２６…界面、２７…高さ、３０、３０ｄ…データ処理装置、３１…ゲートウェイ装置、３２…超音波発信受信回路、３３…データ変換回路、３４…データ演算部、３５…画像データ格納部、３６…表示切替操作部、３７…画像データ表示部、４０、４０ａ、４０ｂ、４０ｃ、４０ｄ…情報処理装置、４５、４５ａ、４５ｂ、４５ｃ、４５ｄ…端末装置、５０、５０ａ、５０ｂ、５０ｃ、５０ｄ…監視装置、５１…通信装置、５２…記録装置、５３、５３ａ、５３ｂ、５３ｃ…情報処理部、５４、５４ｄ…グラフィック化部、５５、５５ａ、５５ｄ…現状判定部、５６、５６ａ、５６ｂ、５６ｃ、５６ｄ…学習部、５７、５７ｂ、５７ｄ…原因判定部、５８、５８ｃ、５８ｄ…対処方法判定部、５９、５９ｄ…変化予兆導出部、１００、１００ａ、１００ｂ、１００ｃ、１００ｄ…監視システム

Claims (20)

1. 排水を固液分離するための固液分離槽の内部の上澄水と汚泥堆積層の界面である汚泥界面から水深が浅くなる方向の画素データであり、前記上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定する判定部と、
   診断の対象である前記固液分離槽の前記上澄水画像と前記第１学習モデルとを用いて前記判定部が判定した前記固液分離槽の内部の状態を特定する情報を出力する出力部と
   を有する監視システム。
2. 排水を固液分離するための固液分離槽の内部を表した画像である監視画像と前記固液分離槽の内部の前記監視画像に基づく診断結果とに基づいて、監視画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部を表した監視画像から固液分離槽の内部の状態を判定する判定部と、
   診断の対象である前記固液分離槽の前記監視画像と前記第１学習モデルとを用いて前記判定部が判定した前記固液分離槽の内部の状態を特定する情報を出力する出力部と
   を有し、
   前記監視画像は、測定不良時の画像であるエラー画像を含まない、
   監視システム。
3. 排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定する判定部と、
   診断の対象である前記固液分離槽の前記上澄水画像と前記第１学習モデルとを用いて前記判定部が判定した前記固液分離槽の内部の状態を特定する情報を出力する出力部と
   を有し、
   前記上澄水画像は、測定不良時の画像であるエラー画像を含まない、
   監視システム。
4. 排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定する判定部と、
   診断の対象である前記固液分離槽の前記上澄水画像と前記第１学習モデルとを用いて前記判定部が判定した前記固液分離槽の内部の状態を特定する情報を出力する出力部と
   前記上澄水画像と前記上澄水画像に基づく診断結果となる原因を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の診断結果となる原因を特定する情報との関係を学習した第２学習モデルを用いて、診断の対象である前記固液分離槽の前記上澄水画像から固液分離槽の内部の前記状態となる原因を特定する情報を判定する原因判定部を有し、
   前記出力部は、診断の対象である前記固液分離槽の前記上澄水画像と前記第２学習モデルとを用いて前記原因判定部が判定した固液分離槽の内部の前記状態となる原因を特定する情報をさらに出力する、
   監視システム。
5. 前記上澄水画像と前記上澄水画像に基づく診断結果への対処方法を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の診断結果への対処方法を特定する情報との関係を学習した第３学習モデルを用いて、診断の対象である前記固液分離槽の前記上澄水画像から固液分離槽の内部の前記状態への対処方法を特定する情報を判定する対処方法判定部を有し、
   前記出力部は、診断の対象である前記固液分離槽の前記上澄水画像と前記第３学習モデルとを用いて前記対処方法判定部が判定した固液分離槽の内部の前記状態への対処方法を特定する情報をさらに出力する、請求項１に記載の監視システム。
6. 前記上澄水画像と前記上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の状態の変化を特定する情報との関係を学習した第４学習モデルを用いて、診断の対象である前記固液分離槽の前記上澄水画像から固液分離槽の内部の前記状態の変化の予兆を検出する変化予兆導出部を備え、
   前記出力部は、診断の対象である前記固液分離槽の前記上澄水画像と前記第４学習モデルとを用いて前記変化予兆導出部が検出した固液分離槽の内部の前記状態の変化の予兆を特定する情報をさらに出力する、請求項１に記載の監視システム。
7. 前記診断結果は、上澄水画像に含まれる固形物の堆積状態と固形物の浮遊状態とのいずれか一方又は両方に基づいて生成される、請求項１に記載の監視システム。
8. 排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定する判定部と、
   診断の対象である前記固液分離槽の前記上澄水画像と前記第１学習モデルとを用いて前記判定部が判定した前記固液分離槽の内部の状態を特定する情報を出力する出力部と
   を有し、
   前記判定部は、診断の対象である固液分離槽の内部を表した前記上澄水画像から固液分離槽の内部の状態が、正常と不調と異常とのいずれであるかを判定する、
   監視システム。
9. 排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定する判定部と、
   診断の対象である前記固液分離槽の前記上澄水画像と前記第１学習モデルとを用いて前記判定部が判定した前記固液分離槽の内部の状態を特定する情報を出力する出力部と
   を有し、
   前記判定部が、固液分離槽の内部の前記状態が不調と異常とのいずれかと判定した場合に固液分離槽の内部の前記状態が不調と異常とのいずれかの状態であることを通知する通知部
   をさらに有する、監視システム。
10. 排水を固液分離するための固液分離槽の内部の上澄水と汚泥堆積層の界面である汚泥界面から水深が浅くなる方向の画素データであり、前記上澄水を表した画像である上澄水画像と前記固液分離槽の内部の状態の前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を表す第１学習モデルを学習によって生成する学習部
    を有する学習装置。
11. 排水を固液分離するための固液分離槽の内部を表した画像である監視画像と前記固液分離槽の内部の状態の前記監視画像に基づく診断結果とに基づいて、監視画像と固液分離槽の内部の状態との関係を表す第１学習モデルを学習によって生成する学習部
    を有し、
    前記監視画像は、測定不良時の画像であるエラー画像を含まない、
    学習装置。
12. 排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記固液分離槽の内部の状態の前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を表す第１学習モデルを学習によって生成する学習部と、を有し、
    前記上澄水画像は、測定不良時の画像であるエラー画像を含まない、
    学習装置。
13. 排水を固液分離するための固液分離槽の内部の上澄水を表した画像である上澄水画像と前記固液分離槽の内部の状態の前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を表す第１学習モデルを学習によって生成する学習部と、を有し、
    前記学習部は、前記上澄水画像と前記上澄水画像に基づく診断結果となる原因を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の診断結果となる原因を特定する情報との関係を表す第２学習モデルを学習によって生成する、
    学習装置。
14. 前記学習部は、前記上澄水画像と前記上澄水画像に基づく診断結果への対処方法を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の診断結果への対処方法を特定する情報との関係を表した第３学習モデルを学習によって生成する、
    請求項１０に記載の学習装置。
15. 前記学習部は、前記上澄水画像と前記上澄水画像が得られた後の固液分離槽の内部の状態の変化を特定する情報とに基づいて、上澄水画像と固液分離槽の内部の状態の変化を特定する情報との関係を表した第４学習モデルを生成する、請求項１０に記載の学習装置。
16. 前記診断結果は、上澄水画像に含まれる固形物の堆積状態と固形物の浮遊状態とのいずれか一方又は両方に基づいて生成される、請求項１０に記載の学習装置。
17. 排水を固液分離するための固液分離槽の内部の上澄水と汚泥堆積層の界面である汚泥界面から水深が浅くなる方向の画素データであり、前記上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定するステップと、
    診断の対象である前記固液分離槽の前記上澄水画像と前記第１学習モデルとを用いて前記判定するステップで判定した前記固液分離槽の内部の状態を特定する情報を出力するステップと
    を有する、監視システムが実行する監視方法。
18. 排水を固液分離するための固液分離槽の内部の上澄水と汚泥堆積層の界面である汚泥界面から水深が浅くなる方向の画素データであり、前記上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を表す第１学習モデルを学習によって生成するステップ
    を有する、学習装置が実行する学習方法。
19. 監視システムのコンピュータに、
    排水を固液分離するための固液分離槽の内部の上澄水と汚泥堆積層の界面である汚泥界面から水深が浅くなる方向の画素データであり、前記上澄水を表した画像である上澄水画像と前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を学習した第１学習モデルを用いて、診断の対象である固液分離槽の内部の上澄水を表した上澄水画像から固液分離槽の内部の状態を判定するステップと、
    診断の対象である前記固液分離槽の前記上澄水画像と前記第１学習モデルとを用いて前記判定するステップで判定した前記固液分離槽の内部の状態を特定する情報を出力するステップと
    を実行させる、プログラム。
20. 学習装置のコンピュータに、
    排水を固液分離するための固液分離槽の内部の上澄水と汚泥堆積層の界面である汚泥界面から水深が浅くなる方向の画素データであり、前記上澄水を表した画像である上澄水画像と前記固液分離槽の内部の前記上澄水画像に基づく診断結果とに基づいて、上澄水画像と固液分離槽の内部の状態との関係を表す第１学習モデルを学習によって生成するステップ
    を実行させる、プログラム。

Images