JPH02229597A - Method for recognizing image of activated sludge - Google Patents
Method for recognizing image of activated sludgeInfo
- Publication number
- JPH02229597A JPH02229597A JP1049786A JP4978689A JPH02229597A JP H02229597 A JPH02229597 A JP H02229597A JP 1049786 A JP1049786 A JP 1049786A JP 4978689 A JP4978689 A JP 4978689A JP H02229597 A JPH02229597 A JP H02229597A
- Authority
- JP
- Japan
- Prior art keywords
- activated sludge
- image
- processing
- area
- flocs
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000010802 sludge Substances 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000001514 detection method Methods 0.000 claims abstract description 4
- 230000008569 process Effects 0.000 abstract description 16
- 230000009467 reduction Effects 0.000 abstract description 4
- 241000894006 Bacteria Species 0.000 description 14
- 238000005273 aeration Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 8
- 238000004062 sedimentation Methods 0.000 description 7
- 238000003672 processing method Methods 0.000 description 5
- 238000000926 separation method Methods 0.000 description 5
- 244000144992 flock Species 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 239000010865 sewage Substances 0.000 description 3
- 230000002776 aggregation Effects 0.000 description 2
- 238000004220 aggregation Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 244000005700 microbiome Species 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 239000002351 wastewater Substances 0.000 description 2
- 241000406668 Loxodonta cyclotis Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000000813 microbial effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 239000002957 persistent organic pollutant Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W10/00—Technologies for wastewater treatment
- Y02W10/10—Biological treatment of water, waste water, or sewage
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
- Activated Sludge Processes (AREA)
- Image Analysis (AREA)
Abstract
Description
【発明の詳細な説明】
〔産業上の利用分野〕
本発明は、活性汚泥の画像認識方法に係り、特に、下水
処理等で活性汚泥法を用いて、排水を浄化処理する設備
において、曝気槽中の活性汚泥の性状を認識評価する画
像認識処理方法に関する。Detailed Description of the Invention [Field of Industrial Application] The present invention relates to an image recognition method for activated sludge, and is particularly applicable to an aeration tank in equipment for purifying wastewater using the activated sludge method in sewage treatment, etc. The present invention relates to an image recognition processing method for recognizing and evaluating the properties of activated sludge.
活性汚泥法は、下水処理等の広い分野で活用されている
水処理プロセスである。該方法を央施する丸めの要件は
、酸素存在下で微生物による有機汚濁物質の分解、同化
反応の確保と、生成した活性汚泥フロックの効果的な沈
殿分離の確保にあるが、前記の反応条件の変動によって
は必ずしも、良好な沈殿分離が確保し得ない局面が応々
にして起こシ、従来運転管理が比較的難しい水処理プロ
セスの１つとされてきた。The activated sludge method is a water treatment process that is used in a wide range of fields such as sewage treatment. The central requirements for carrying out this method are to ensure the decomposition and assimilation reaction of organic pollutants by microorganisms in the presence of oxygen, and to ensure effective sedimentation and separation of the generated activated sludge flocs. Depending on the fluctuations in water, situations may occur where good precipitation separation cannot always be ensured, and conventionally it has been considered one of the water treatment processes that is relatively difficult to manage.
良好な沈殿分離を確保するためには、生成した活性汚泥
フロックが、稠密で粒径の大きな、即ち沈降速度の大き
なものである必要がある。In order to ensure good sedimentation separation, the generated activated sludge flocs need to be dense and have a large particle size, that is, have a high settling rate.
従来、総括的（マクロ的）には、ＳＶＩ等の指標を用い
て沈降性の評価を行い、運転管理のための情報としてき
た。しかし、ＳＶＩの指標そのものが手分析操作による
ものであったため、リアμタイム性に欠けるものである
上、その数値についても、明確な閾値がある訳ではなく
、沈殿分離の良否との対応には経験的判断の介在を必要
とするなど、自動化・オンフイン化しにくい性格を持っ
ていた。Conventionally, sedimentation properties have been evaluated comprehensively (macroscopically) using indicators such as SVI, and the results have been used as information for operation management. However, since the SVI index itself was based on manual analysis, it lacks real-time characteristics, and there is no clear threshold value for its numerical value, so it cannot be correlated with the quality of precipitation separation. It has characteristics that make it difficult to automate or turn it into an online system, such as requiring the intervention of empirical judgment.
こうした背景から、近年、活性汚泥の顕敵鏡等による拡
大影像を、テレビカメラにより画像処理装置にとシ込み
、処理を行って活性汚泥に関するミクロ的な情報を得よ
うとする試みがみられる様になってきた。しかし、これ
らは、一方では原生動物の認識計数であったシ、他方で
は沈降性を妨害する糸状Ｉｆａ菌の認識計数であシ、活
性汚泥フロックそのものの稠密性を取シ扱うものではな
かった。Against this background, in recent years there have been attempts to obtain microscopic information about activated sludge by feeding an enlarged image of activated sludge using a magnification mirror into an image processing device using a television camera and processing it. It has become. However, these were recognition counts of protozoa on the one hand, filamentous Ifa bacteria that interfere with sedimentation on the other hand, and did not deal with the densities of activated sludge flocs themselves.
上記のように、従来技術においては、活性汚泥フロック
の稠密性を取）扱う技術は開発されていなかった。As mentioned above, in the prior art, no technology has been developed that deals with the density of activated sludge flocs.
そこで、本発明は、活性汚泥フロックの稠密性を定量化
して評価し、活性汚泥フロックの安定した運転制呻を可
能とするための画＠認識方法を提供することを目的とす
る。Therefore, an object of the present invention is to provide an image recognition method for quantifying and evaluating the density of activated sludge flocs and enabling stable operation control of activated sludge flocs.
本発明者らは、沈殿分離を支配する因子は、糸状細菌の
量だけでなく、活性汚泥フロックそのものの稠密性にも
あるとの見解のもとＫ１鋭意研究の結果、稠密性を定量
的に表現し得る新規な画像認識処理方法を発明し、上記
の目的を達成したものである。The present inventors believe that the factor governing sedimentation separation is not only the amount of filamentous bacteria, but also the density of the activated sludge floc itself.As a result of K1 intensive research, we have quantitatively determined the density of the activated sludge floc. This invention has achieved the above objectives by inventing a novel image recognition processing method that can be expressed.
すなわち、本発明は、
活性汚泥を拡大撮象し、画像処理する方法において、
（１） 原画像データの輝度値と背景画像データの輝
度値の差を演算する第１の工程と、
＋２）＠１の工程で得られた画像を２値化処理する第２
の工程と、
（３）第１の工程で得られた画像を線検出処理した後、
２値化処理する第３の工程と、
（４）第２の工程で得られた画像データと第３の工程で
得られた画像データの輝度値の和を演算してマスク画嫁
を得る第４の工程と、（５）第１の工程で得られた画像
データと、第４の工程で得られた画像データの輝度値の
和を演算して強調画像を得る第５の工程と、（６）第５
の工程で得られた画像を２値化処理する第６の工程と、
（７） 第６の工程で得られた＠象を縮小処理及び拡
大処理して活性汚泥フロックの画像のみを得る第７の工
程と、
｛８）第７の工程で得られた画像の画素数を積算し、活
性汚泥フロックの面積及び／又は体積を演算する第８の
工程と、
（９）第１の工程で得られた画像を複数の輝度値で２値
化処理する第９の工程と、
（１ｅ 第９の工程で得られた画像を縮小処理及び拡
大処理する第１０の工程と、
αυ 第１０の工程で得られた複数の画像の各々につい
て、画素数を積算し、活性汚泥フロックの面積及び／又
は体積を演算する第１１の工程と、
（１２） 第１１の工程で得られた活性汚泥フロックの
面積の各々について、第８の工程で得られた活性汚泥フ
ロックの面積との比率あるいは、第１１の工程で得られ
九活性汚泥フロックの体積の各々について、第８の工程
で得られた活性汚泥フロックの体積との比率の少なくと
も一方を演算する第１２の工程と、
０ 第１２の工程で得られた演算値によ）活性汚泥フロ
ックの稠密性を判定する第１３の工程、
とからなることを特徴とする活性汚泥の両家認識方法に
ある。That is, the present invention provides a method for enlarging activated sludge and image processing, which includes: (1) a first step of calculating the difference between the brightness value of original image data and the brightness value of background image data; The second step is to binarize the image obtained in step 1.
(3) After performing line detection processing on the image obtained in the first step,
(4) a third step of performing binarization processing; and (4) a step of calculating the sum of the luminance values of the image data obtained in the second step and the image data obtained in the third step to obtain a mask image. (5) a fifth step of calculating the sum of the luminance values of the image data obtained in the first step and the image data obtained in the fourth step to obtain an enhanced image; 6) Fifth
A sixth step of binarizing the image obtained in step (7) A seventh step of reducing and enlarging the image obtained in the sixth step to obtain only an image of activated sludge flocs. {8) an eighth step of integrating the number of pixels of the image obtained in the seventh step and calculating the area and/or volume of the activated sludge floc; (9) the number of pixels obtained in the first step; a ninth step in which the obtained image is binarized using a plurality of brightness values; a tenth step in which the image obtained in the ninth step is reduced and enlarged; an eleventh step of integrating the number of pixels for each of the plurality of images obtained and calculating the area and/or volume of the activated sludge floc; (12) the area of the activated sludge floc obtained in the eleventh step; For each of the ratio to the area of the activated sludge floc obtained in the eighth step, or for each of the volume of the nine activated sludge flocs obtained in the eleventh step, the activated sludge floc obtained in the eighth step a 12th step of calculating at least one of the ratio to the volume of The feature lies in the method of recognizing both types of activated sludge.
上記において、活性汚泥とは、フロック形成細菌、糸状
細菌及び原生動物等で形成されたものを総称するもので
、フロック形成細菌によって形成されたフロック状の対
象物を活性汚泥フロックといい、独立遊離あるいはフロ
ックから放射状にのびている糸状の対象物を糸状細菌と
いい、本発明では活性汚泥フロックを定量的に認識する
ものである。In the above, activated sludge is a general term for those formed by floc-forming bacteria, filamentous bacteria, protozoa, etc., and the floc-like objects formed by floc-forming bacteria are called activated sludge flocs, Alternatively, filamentous objects extending radially from flocs are called filamentous bacteria, and the present invention quantitatively recognizes activated sludge flocs.
本発明にかかる画像認識方法では、下水処理等の活性汚
泥プロセスに生成する活性汚泥フロックの拡大影像を、
所定の画像演算処理を施すことによって、その稠密性を
定量化し、評価することができ、それによって、活性汚
泥フロックの良否を診断し、もって効果的な運転管理、
自動制御を可能ならしめる作用をなす。In the image recognition method according to the present invention, an enlarged image of activated sludge flocs generated in an activated sludge process such as sewage treatment is
By performing predetermined image calculation processing, it is possible to quantify and evaluate the density, thereby diagnosing the quality of activated sludge flocs, thereby enabling effective operation management.
It functions to enable automatic control.
以下、本発明を図面を参照κして更に詳しく説明するが
、本発明はこの実施例に限定されるものではない。Hereinafter, the present invention will be explained in more detail with reference to the drawings, but the present invention is not limited to these embodiments.
最初に第１図を用いて説明する。第１図は、本発明に係
わる活性汚泥の＠像認ｍ処理方法の運用例を示す説明図
である。First, explanation will be given using FIG. FIG. 1 is an explanatory diagram showing an example of operation of the activated sludge treatment method according to the present invention.
原水１は必要ならば前魁理を受けた後、曝気槽２に導入
され、ここで、沈殿池４から返送された活性汚泥１２と
混合される。曝気槽２内には、活性汚泥の活動に必要な
酸素を供給するため、プロワー５より空気が供給されて
いる。活性汚泥は曝気槽中に滞留する間に排水中の有機
物質を分解資化する。曝気槽２からの流出水は沈殿池４
に送られ、ここで、活性汚泥を沈殿分離して、清澄な処
理水７を得る。沈殿した活性汚泥の一部は返送汚泥１２
となシ、残部は余剰汚泥１３として系外に排出される。The raw water 1 is subjected to pretreatment if necessary, and then introduced into the aeration tank 2, where it is mixed with the activated sludge 12 returned from the settling tank 4. Air is supplied into the aeration tank 2 from a blower 5 in order to supply oxygen necessary for activated sludge activity. Activated sludge decomposes and assimilates organic substances in wastewater while it remains in the aeration tank. The water flowing out from the aeration tank 2 is sent to the sedimentation tank 4.
There, the activated sludge is separated by precipitation to obtain clear treated water 7. A part of the precipitated activated sludge is returned as return sludge 12
The remainder is discharged outside the system as surplus sludge 13.
曝気槽２中には活性汚泥の拡．大影像を得るのに好適な
水中顕１ｌｌ鏡６が浸漬されていて、定期的に活性汚泥
の影像を把え、本発明に係る画像認識システム９へ送信
している。この水中顕微鏡８としては、例えば、本出願
人が先に出願した特願昭６２−２７９０５６号に記載の
ような、ζの目的に適した装置が選定される。Activated sludge is spread in aeration tank 2. An underwater microscope 6 suitable for obtaining large images is immersed in the system, and images of the activated sludge are periodically captured and transmitted to the image recognition system 9 according to the present invention. As this underwater microscope 8, a device suitable for the purpose of ζ is selected, for example, as described in Japanese Patent Application No. 62-279056 previously filed by the present applicant.
画像認識処理システム９は、画像演算処理装置、コンピ
ュータ、モニタ、テレビ等かラ構成され、水中顕微鏡８
からの映像信号に必要な演算処理を施し、活性汚泥フロ
ックの稠密性を評価判定する指標を算出する。該システ
ム９での演算結果はコントローラ１０を介して伝達され
、必要に応じて、曝気プロワー５、返送汚泥ボンデ５、
余剰汚泥ボンデ６が制御される。The image recognition processing system 9 is composed of an image processing device, a computer, a monitor, a television, etc., and an underwater microscope 8.
The necessary arithmetic processing is performed on the video signal from the system to calculate an index for evaluating the density of activated sludge flocs. The calculation results in the system 9 are transmitted via the controller 10, and are transmitted to the aeration blower 5, return sludge bonder 5,
Excess sludge bond 6 is controlled.
次に、第２図の本発明の画像認識処理方法のフローの一
例を示す工程図を用いて、画像認識システム９における
画像データの処理手順について説明する。Next, a procedure for processing image data in the image recognition system 9 will be described using a process diagram showing an example of the flow of the image recognition processing method of the present invention shown in FIG.
水中ｌＪＩｔ３ｌ！等から入力されたＩＸ画像データ２
１社、必要ならば複数回の積分入力により平滑化された
後、入力画像の照明ムフ等を除去するため、対象物（活
性汚泥フロック等）を含まない背景画像データ２２との
間で、輝度値の差を演算２３する（第１の工程）。次に
第１の工程で得られた画像について、囚の）２通りの処
理手順に従って、画像処理を行う。Underwater lJIt3l! IX image data 2 input from etc.
After smoothing by multiple integral inputs if necessary, the brightness is adjusted between the input image and the background image data 22 that does not contain objects (activated sludge flocs, etc.) in order to remove illumination muff, etc. The difference between the values is calculated 23 (first step). Next, the image obtained in the first step is subjected to image processing according to two processing procedures.
■μ一トの処理では、第１工程で得られた画像について
、所定の輝度値で２値化処理２４を行って（第２の工程
，）得た画像と、第１の工程で得た＠象の中間輝度部（
糸状細菌や活性汚泥フロック周辺部など）を強調するた
めにラプフＶアンオペレータを用いて線検出処理２５を
行った後、２値化処理２６を行って（第３の工程）得た
画像との間で、輝度値の和を演算２７する（第４の工程
）。■μ In one process, the image obtained in the first step is subjected to binarization processing 24 at a predetermined luminance value (second step), and the image obtained in the first step is @Intermediate brightness part of the elephant (
After line detection processing 25 is performed using the Rapfian operator to emphasize filamentous bacteria and the surrounding area of activated sludge flocs, etc., binarization processing 26 is performed (third step) to compare the resulting image with the In between, the sum of the luminance values is calculated 27 (fourth step).
ここで、フグラＶアンオペレータのサイズは３×３マト
リックス以上、好ましくは９Ｘ９マトリックスが良く、
また加重係数の配置は、フンダムな方向を持つ線分をど
の方向を持つものでも強調処理ができる様、好ましくは
，１２種程度配置の異なるものを用意しておくと良い。Here, the size of the Fugura V unoperator is a 3x3 matrix or more, preferably a 9x9 matrix,
Preferably, about 12 different weighting coefficients are prepared so that line segments with random directions can be emphasized in any direction.
１２通夛のオベＶ一夕を用いてフイｌＶＩｉ夛ング処理
した後、論理和演算を行って各画素の輝度値を求めてお
く。得られた画像と第２の工程で得られた画像の和をと
れば、マスクとする画像が作成される。尚、得られた輝
度値の和が最高輝度値（８ビットの場合は２５５）を越
えるものは最高輝度値とする。After the film VIi processing is performed using 12 times of OBE V, the brightness value of each pixel is obtained by performing a logical sum operation. By adding the obtained image and the image obtained in the second step, an image to be used as a mask is created. Incidentally, if the sum of the obtained luminance values exceeds the maximum luminance value (255 in the case of 8 bits), it is regarded as the maximum luminance value.
火に、このマスク画像を、第１の工程で得られる画像と
の間で輝度値の和を前記第４の工程と同様の操作で演算
２９し、強調画像を得る（第５の工程）。この際、マス
ク画像を白黒反転２８させて、合成した後物体のない部
分の輝度値をすべて背景扱いとして輝度変換を行う。第
５の工程で得られた画像を所定のＶべμで２値化処理３
０することにより（第６の工程）、ノイズ、照明ムツ等
が除かれ、不明瞭な糸状細菌やフロック周辺部の輪隔部
なども明瞭化され九累画像の正確な２値化画像が得られ
る。Next, the sum of brightness values between this mask image and the image obtained in the first step is calculated 29 in the same manner as in the fourth step to obtain an enhanced image (fifth step). At this time, the mask image is inverted 28 in black and white, and after compositing, the brightness conversion is performed by treating all the brightness values of the part where there is no object as the background. Binarization processing 3 of the image obtained in the fifth step with a predetermined Vbeμ
By zeroing (sixth step), noise, illumination, etc. are removed, unclear filamentous bacteria and the ring space around the flocs are clarified, and an accurate binarized image of the nine-fold image is obtained. It will be done.
続いて（Ａ）ｙｖ−｝では、上記画像から糸状細菌を除
去し、フロックのみを抽出するため、必要な回数の縮小
処理及び拡大処理３１を行う（第７の工程）。この回数
は、サング〃の拡大倍数と糸状細菌の太さ等を考慮して
、これを除去するのに必要十分な回数を行えば良い。得
られた画像の画素数を積算し、活性汚泥フロックの面積
を算出３２する（第８の工程）。Subsequently, in (A)yv-}, in order to remove filamentous bacteria from the image and extract only flocs, reduction processing and enlargement processing 31 are performed as many times as necessary (seventh step). This number of times may be sufficient to remove the bacteria, taking into account the expansion ratio of the sanguine and the thickness of the filamentous bacteria. The number of pixels of the obtained image is integrated, and the area of the activated sludge floc is calculated 32 (eighth step).
これは例えば、フロック部の画素数と、単位画素面積（
画素４点でつくられる正方形の面積）とをもとに算出す
る方法でよく、また、画面の全画素数に対するフロック
部の画素数の比率として算出してもよい。For example, this is the number of pixels in the flock part and the unit pixel area (
It may be calculated based on the area of a square formed by four pixels, or it may be calculated as the ratio of the number of pixels in the flock section to the total number of pixels on the screen.
次に＠〜一トの処理手順について説明する。Next, the processing procedure of @~ito will be explained.
＠μ一Ｆでは、第１の工程で得られた画像について、複
数の輝度値で２値化処理３３する（第９の工程）。この
２値化処理の輝度値の設定については，＃活性汚泥の輝
度値の分布に関する知見から任意に設定して良い。例え
ば、対象とする活性汚泥フロツ′クについて最大径を算
出して、その最大径方向に沿って走査して得られる輝度
値分布から、最大輝度値、最小輝度値を求め、その最大
輝度値、最小輝度値及びその間の少なくとも１つの輝度
値として設定することが好ましい。これによう、２値化
処理の輝度値の異なる複数の２値化画像が得られる。In @μ-F, the image obtained in the first step is binarized 33 using a plurality of brightness values (ninth step). The brightness value for this binarization process may be set arbitrarily based on the knowledge regarding the distribution of brightness values of #activated sludge. For example, calculate the maximum diameter of the target activated sludge floc, scan along the maximum diameter direction, find the maximum brightness value and minimum brightness value from the brightness value distribution, and calculate the maximum brightness value, It is preferable to set the minimum brightness value and at least one brightness value therebetween. In this manner, a plurality of binarized images having different brightness values are obtained through the binarization process.
この複数の２値化画像の各々について、糸状細菌等を除
去するため、必要な回数の画像の縮小処理及び拡大処理
３４を行って、活性汚泥フロックのみを抽出する（第１
０の工程）。この回数は、サング〃の拡大倍率と糸状細
菌の太さ等を考慮して、これを除去するのに必要十分な
回数を行えばよい。抽出された複数の画像の各々につい
て、活性汚泥フロックの面積を第８の工程と同様の操作
で演算計測３５する（第１１の工程）。For each of the plurality of binarized images, in order to remove filamentous bacteria and the like, image reduction processing and enlargement processing 34 are performed a necessary number of times to extract only activated sludge flocs (first
0 process). This number of times may be sufficient to remove the bacteria, taking into consideration the magnification of the sanguine and the thickness of the filamentous bacteria. For each of the plurality of extracted images, the area of the activated sludge flocs is calculated and measured 35 in the same manner as in the eighth step (eleventh step).
最後に、／’−｝（Ｂ）で得られた複数の画像について
、各々求められたフロック面積に関する演算値について
、ルート囚で求められたフロック面積の演算値に対する
比率３６を演算する（第１２の工程）。求められた比率
の値を用いて、活性汚泥フロックの分散・集合の度合、
即ち稠密性について判定する（第１３の工程）。Finally, for the plurality of images obtained in /'-}(B), the ratio 36 to the calculated value of the floc area calculated at the root is calculated for each calculated value regarding the floc area (12th process). Using the obtained ratio value, the degree of dispersion and aggregation of activated sludge flocs,
That is, the density is determined (13th step).
以上の内容を第３図を用いてよシ具体的に説明する。第
３図は、本発明の画像認識処理方法の原理を示す工程図
である。The above content will be explained in detail using FIG. 3. FIG. 3 is a process diagram showing the principle of the image recognition processing method of the present invention.
サンプ／Ｉ／８１は、フロックの周辺から中心に至る内
部に微生物が、疎に集合した活性汚泥フロックであυ、
サンデＩＶＢ２は密に集合した活性汚泥フロックである
。Sump/I/81 is an activated sludge floc in which microorganisms are sparsely gathered from the periphery to the center of the floc.
Sande IVB2 is a densely packed activated sludge floc.
第５−１図は、ガラス等により両面を狭まれた顕微鏡用
プレバフ一トの断面を示す模式図であるが、これらのサ
ンプμのある断面（例えば前記の如く最大径方向のある
断面）を走査した輝度値分布曲線は第５−２図のように
なる。このように、活性汚泥フロックは、両者とも中央
部から周辺部に向かって、輝度値の高い輸隔を持つ物体
として把見られることにな・ク、この周辺部の中間輝度
値をどのように処理するかで、対象物体を正確に認識′
できるかどうかが左右されることになる。Fig. 5-1 is a schematic diagram showing a cross section of a pre-buff for a microscope narrowed on both sides by glass or the like. The scanned brightness value distribution curve is as shown in FIG. 5-2. In this way, both activated sludge flocs can be seen as objects with a high brightness interval from the center to the periphery. The target object can be recognized accurately by processing
It will depend on whether you can do it or not.
そこで、μ一ト囚では、この周辺部に相当する中間輝度
値に対して、ラプラＶマンフィルタを用いた強調処理を
行って、周辺部の輪隔をはつきシさせ、対象の正確な影
像を得る処理手順を採用している。即ち、ルート（４）
の手順で求められたフロック影像は、真の影像に最も近
いものとして得られることになる。Therefore, in the case of μ1, we perform emphasis processing using a Lapra V-Man filter on the intermediate brightness values corresponding to this peripheral area to highlight the ring spacing in the peripheral area and create an accurate image of the object. A processing procedure is adopted to obtain the following. i.e. root (4)
The flock image obtained by the procedure described above will be obtained as the one closest to the true image.
次に、前記μ−｝ （Ｂ）による手順に従って愁理を行
う。フロックの影像は、第３−２図に示す如く、その疎
密の度合がフロック断面を走査して得られる輝度値分布
の違いとして得ることができるから、輝度［Ａ−Ｄによ
って２ｆｉｉ化処理を行なうと、それぞれに応じて、第
５−５図の如くフロック部の面積が異って求められる。Next, the procedure according to μ-} (B) is performed. As shown in Fig. 3-2, the image of the floc can be obtained as the difference in the luminance value distribution obtained by scanning the cross section of the floc. Accordingly, the area of the flock portion is determined differently as shown in FIG. 5-5.
これらの面積を〃一ト囚の手順に従って演算処理して得
られたフロック面積に対する比率として各輝度値に対し
てプロットしたものが第３−４図である。つまり、内部
の疎な活性汚泥フロック程、２値化処理の輝度値の違い
により、抽出されるフロック面積の変化が大きいことに
なり、この変化の度合いを指標として、フロックの稠密
性が判定できることになる。Figures 3-4 plot these areas for each brightness value as a ratio to the floc area obtained by arithmetic processing according to the above procedure. In other words, the more sparse the internal activated sludge flocs are, the larger the change in the area of the extracted flocs will be due to the difference in brightness values in the binarization process, and the degree of this change can be used as an index to determine the density of the flocs. become.
なお、面積のかわυに体積を用いる場合には、求められ
た面積にデＶバラート間の厚みをかければよい。Note that when volume is used as the area value υ, the obtained area may be multiplied by the thickness between V and V.
度化の度合は、例えば、第３−４図の如く、直線とみな
して（最小２乗相関直線の算出）その傾きとして求める
方法を採用するなどすればよい。すなわちサンプ／ｌ／
８２は輝度値の違いによる面積又は体積の認識率の変化
がサンデＡ／８１に較べて水平に近く小さいこと、即ち
フロック内部に至るまで微生物の集合の程度が稠密であ
ることを表わしていて、この方法でフロックの稠密性を
評価できることがわかる。The degree of intensification may be determined by, for example, assuming a straight line (calculating a least squares correlation straight line) and determining its slope as shown in FIGS. 3-4. i.e. sump/l/
82 indicates that the change in the area or volume recognition rate due to the difference in brightness value is nearly horizontal and smaller than that of Sande A/81, that is, the degree of microbial aggregation is dense up to the inside of the floc. It can be seen that the density of flocs can be evaluated using this method.
こうしたデータを数多く集積しておき、観察の都度、そ
のデータベースを参照することによってフロック状態を
判定することが可能となる。By accumulating a large amount of such data and referring to the database each time an observation is made, it becomes possible to determine the state of flocs.
上述したように、本′発明によれば、従来行なえなかっ
た活性汚泥フロックの稠密性を定量化して評価すること
が可能となシ、活性汚泥プロセスの安定し九運転制御を
達成できる効果を生ずる。As described above, according to the present invention, it is possible to quantify and evaluate the density of activated sludge flocs, which could not be done conventionally, and it is possible to achieve stable operation control of the activated sludge process. .
ｔＸ１図は、本発明の活性汚泥の画像認識処理方法の運
用例を示す概略説明図、第２図は、本発明のフローの一
例を示す工程図、第５図は、本発明の原理を示す工程図
である。
１・・・原水、２・・・曝気槽、３・・・曝気プロヮ、
４・・・沈殿池、５・・・返送汚泥ボンデ、６・・・余
剰汚泥ポンプ、７・・・処理水、８・・・水中顕微境、
？・・・［（［４システム、１ｏ・・Φコントローブ、
１１・・・沈殿汚泥、１２・・・返送汚泥、１５・・・
余剰汚泥、
特許出願人 荏原インフィ〜コ株式会社同 株式会
社荏！ｉＫ総合研究所tX1 diagram is a schematic explanatory diagram showing an example of operation of the activated sludge image recognition processing method of the present invention, Figure 2 is a process diagram showing an example of the flow of the present invention, and Figure 5 is a diagram showing the principle of the present invention. It is a process diagram. 1...Raw water, 2...Aeration tank, 3...Aeration process,
4... Sedimentation tank, 5... Return sludge bonder, 6... Excess sludge pump, 7... Treated water, 8... Underwater microscopic environment,
? ...[([4 systems, 1o...Φ control,
11...Settled sludge, 12...Return sludge, 15...
Excess sludge, patent applicant Ebara Infico Co., Ltd. Ebara Co., Ltd. iK Research Institute
Claims (1)
、 （１）原画像データの輝度値と背景画像データの輝度値
の差を演算する第１の工程と、 （２）第１の工程で得られた画像を２値化処理する第２
の工程と、 （３）第１の工程で得られた画像を線検出処理した後、
２値化処理する第３の工程と、 （４）第２の工程で得られた画像データと第３の工程で
得られた画像データの輝度値の和 を演算してマスク画像を得る第４の工程と、（５）第１
の工程で得られた画像データと、第４の工程で得られた
画像データの輝度値の 和を演算して強調画像を得る第５の工程と、（６）第５
の工程で得られた画像を２値化処理する第６の工程と、 （７）第６の工程で得られた画像を縮小処理及び拡大処
理して活性汚泥フロックの画像の みを得る第７の工程と、 （８）第７の工程で得られた画像の画素数を積算し、活
性汚泥フロックの面積及び／又は 体積を演算する第８の工程と、 （９）第１の工程で得られた画像を複数の輝度値で２値
化処理する第９の工程と、 （１０）第９の工程で得られた画像を縮小処理及び拡大
処理する第１０の工程と、 （１１）第１０の工程で得られた複数の画像の各々につ
いて、画素数を積算し、活性汚泥フ ロックの面積及び／又は体積を演算する第 １１の工程と、 （１２）第１１の工程で得られた活性汚泥フロックの面
積の各々について、第８の工程で得 られた活性汚泥フロックの面積との比率あ るいは第１１の工程で得られた活性汚泥フ ロックの体積の各々について、第８の工程 で得られた活性汚泥フロックの体積との比 率の少なくとも一方を演算する第１２の工 程と、 （１３）第１２の工程で得られた演算値により活性汚泥
フロックの稠密性を判定する第１３ の工程、 とからなることを特徴とする活性汚泥の画像認識方法。[Claims] 1. A method for enlarging and image-processing activated sludge, comprising: (1) a first step of calculating a difference between a brightness value of original image data and a brightness value of background image data; ) A second step in which the image obtained in the first step is binarized.
(3) After performing line detection processing on the image obtained in the first step,
(4) a fourth step of calculating the sum of the luminance values of the image data obtained in the second step and the image data obtained in the third step to obtain a mask image; and (5) the first step.
(6) a fifth step of calculating the sum of the brightness values of the image data obtained in the step and the image data obtained in the fourth step to obtain an enhanced image;
(7) A seventh step in which the images obtained in the sixth step are reduced and enlarged to obtain only images of activated sludge flocs. (8) an eighth step of integrating the number of pixels of the image obtained in the seventh step and calculating the area and/or volume of the activated sludge floc; (9) the number of pixels obtained in the first step; (10) a tenth step of reducing and enlarging the image obtained in the ninth step; (11) a tenth step of an eleventh step of integrating the number of pixels for each of the plurality of images obtained in the step and calculating the area and/or volume of the activated sludge floc; (12) the activated sludge floc obtained in the eleventh step; For each area of the activated sludge obtained in the eighth step, for each ratio of the area of the activated sludge floc obtained in the eighth step or the volume of the activated sludge floc obtained in the eleventh step, (13) a thirteenth step of determining the densities of the activated sludge flocs based on the calculated value obtained in the twelfth step; An image recognition method for activated sludge characterized by:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1049786A JPH0671599B2 (en) | 1989-03-03 | 1989-03-03 | Image recognition method for activated sludge |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP1049786A JPH0671599B2 (en) | 1989-03-03 | 1989-03-03 | Image recognition method for activated sludge |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH02229597A true JPH02229597A (en) | 1990-09-12 |
| JPH0671599B2 JPH0671599B2 (en) | 1994-09-14 |
Family
ID=12840844
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP1049786A Expired - Fee Related JPH0671599B2 (en) | 1989-03-03 | 1989-03-03 | Image recognition method for activated sludge |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JPH0671599B2 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007309679A (en) * | 2006-05-16 | 2007-11-29 | Mitsubishi Electric Corp | Image inspection method, and image inspection device using it |
| CN112634347A (en) * | 2021-01-07 | 2021-04-09 | 沈阳化工大学 | Activated sludge morphology and sludge volume index SVI soft measurement method |
| JP2021099222A (en) * | 2019-12-20 | 2021-07-01 | 株式会社クボタ | Floating matter detection method and liquid imaging device |
| US11414331B2 (en) | 2017-03-28 | 2022-08-16 | Toray Industries, Inc. | Effluent treatment method for membrane separation activated sludge, effluent treatment apparatus, and effluent treatment system management program |
-
1989
- 1989-03-03 JP JP1049786A patent/JPH0671599B2/en not_active Expired - Fee Related
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007309679A (en) * | 2006-05-16 | 2007-11-29 | Mitsubishi Electric Corp | Image inspection method, and image inspection device using it |
| JP4707605B2 (en) * | 2006-05-16 | 2011-06-22 | 三菱電機株式会社 | Image inspection method and image inspection apparatus using the method |
| US11414331B2 (en) | 2017-03-28 | 2022-08-16 | Toray Industries, Inc. | Effluent treatment method for membrane separation activated sludge, effluent treatment apparatus, and effluent treatment system management program |
| JP2021099222A (en) * | 2019-12-20 | 2021-07-01 | 株式会社クボタ | Floating matter detection method and liquid imaging device |
| CN112634347A (en) * | 2021-01-07 | 2021-04-09 | 沈阳化工大学 | Activated sludge morphology and sludge volume index SVI soft measurement method |
| CN112634347B (en) * | 2021-01-07 | 2023-09-15 | 沈阳化工大学 | Soft measurement method for activated sludge morphology and sludge volume index SVI |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0671599B2 (en) | 1994-09-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Amaral et al. | Activated sludge monitoring of a wastewater treatment plant using image analysis and partial least squares regression | |
| US5270173A (en) | Method of monitoring cell culture | |
| Jenné et al. | Towards on-line quantification of flocs and filaments by image analysis | |
| CN110533626B (en) | All-weather water quality identification method | |
| JPH05332915A (en) | Hydrosphere monitoring apparatus and purifying apparatus | |
| JPH05263411A (en) | Object observation method and device | |
| Benens et al. | Evaluation of different shape parameters to distinguish between flocs and filaments in activated sludge images | |
| JPH02229597A (en) | Method for recognizing image of activated sludge | |
| KR910005632B1 (en) | Apparatus for measuring the concentration of filamentous microorganisms in a mixture including microorganisms | |
| Khan et al. | Estimation of sludge volume index (SVI) using bright field activated sludge images | |
| Nisar et al. | Application of imaging techniques for monitoring flocs in activated sludge | |
| Arelli et al. | Application of image analysis in activated sludge to evaluate correlations between settleability and features of flocs and filamentous species | |
| Yu et al. | Simultaneously monitoring the particle size distribution, morphology and suspended solids concentration in wastewater applying digital image analysis (DIA) | |
| Yong et al. | An approach for the segmentation and quantification of activated sludge floc blobs | |
| JPH0424913B2 (en) | ||
| JPH02229596A (en) | Method for recognizing image of activated sludge | |
| JP3136554B2 (en) | Sludge coagulation equipment | |
| JPS6253792A (en) | Apparatus for detecting microorganism phase | |
| JPH02229598A (en) | Method for recognizing image of activated sludge | |
| JPH0462798B2 (en) | ||
| JPH0634556A (en) | Apparatus for recognition and display of microbe | |
| JPH06114391A (en) | Treatment of waste water | |
| JPS6133296A (en) | Sewage treatment | |
| JPH08197084A (en) | Biological phase diagnosis support system | |
| JPH0515518B2 (en) |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |