KR101847509B1 - 막 오염도 측정 방법 및 장치 - Google Patents

막 오염도 측정 방법 및 장치 Download PDF

Info

Publication number
KR101847509B1
KR101847509B1 KR1020120016318A KR20120016318A KR101847509B1 KR 101847509 B1 KR101847509 B1 KR 101847509B1 KR 1020120016318 A KR1020120016318 A KR 1020120016318A KR 20120016318 A KR20120016318 A KR 20120016318A KR 101847509 B1 KR101847509 B1 KR 101847509B1
Authority
KR
South Korea
Prior art keywords
membrane
feature vector
comparison
contamination
image
Prior art date
Application number
KR1020120016318A
Other languages
English (en)
Other versions
KR20130094984A (ko
Inventor
임혁
황선녕
최우열
장인섭
Original Assignee
광주과학기술원
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 광주과학기술원 filed Critical 광주과학기술원
Priority to KR1020120016318A priority Critical patent/KR101847509B1/ko
Publication of KR20130094984A publication Critical patent/KR20130094984A/ko
Application granted granted Critical
Publication of KR101847509B1 publication Critical patent/KR101847509B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64—Fluorescence; Phosphorescence
    • G01N21/645—Specially adapted constructive features of fluorimeters
    • G01N21/6456—Spatial resolved fluorescence measurements; Imaging
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B01—PHYSICAL OR CHEMICAL PROCESSES OR APPARATUS IN GENERAL
    • B01D—SEPARATION
    • B01D65/00—Accessories or auxiliary operations, in general, for separation processes or apparatus using semi-permeable membranes
    • B01D65/10—Testing of membranes or membrane apparatus; Detecting or repairing leaks
    • B01D65/109—Testing of membrane fouling or clogging, e.g. amount or affinity
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/8422—Investigating thin films, e.g. matrix isolation method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/94—Investigating contamination, e.g. dust
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T1/00—General purpose image data processing
    • G06T1/0007—Image acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Immunology (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Mathematical Physics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Chemical Kinetics & Catalysis (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
  • Separation Using Semi-Permeable Membranes (AREA)

Abstract

본 발명은 막의 오염도를 측정하는 방법 및 장치에 관한 것으로, 그 방법은 오염된 막에서 채취된 오염 물질, 유입수 및 막을 통과한 농축수 각각의 형광 스펙트럼들을 이용하여 기준 이미지와 비교 이미지를 획득하는 단계; 기준 이미지를 분해하여 복수의 합성된 기준 이미지들을 생성하는 단계; 복수의 합성된 기준 이미지들로부터 고유 벡터를 추출하는 단계; 기준 이미지 및 비교 이미지를 고유 벡터에 투영하여 기준 특징 벡터와 비교 특징 벡터를 획득하는 단계; 및 기준 특징 벡터와 비교 특징 벡터 사이의 거리를 이용하여 막의 오염도를 측정하는 단계를 포함한다.

Description

막 오염도 측정 방법 및 장치{Method AND APPARATUS FOR MEASURING MEMBRANE FOULING POLLUTION}
정수처리, 하폐수처리, 해수담수화, 식품 및 의료분야 등 다양한 분야에서 널리 활용되는 막의 오염도를 측정하는 방법에 관한 것이다.
역삼투 방식 또는 나노 여과공정은 최근 다양한 수처리 분야에서 주목받고 있는 기술 분야 중 하나이다. 특히, 근래에는 해수담수화나 하수재 이용분야에서 역삼투 방식을 이용한 공정이 확대되고 있는 추세이다.
역삼투 방식이나 나노 여과공정의 기술을 상용화하거나 현장에 설치하여 운영하기에 장애로 작용하는 것이 여과막의 오염 문제, 즉 막오염 문제이다. 막오염이란 여과막에 유입되는 유입수 중에 존재하는 여러 가지 이물질들이 여과막의 표면에 침착되거나 흡착되어 여과막의 물투과도를 감소시키는 현상을 의미한다.
이와 같은 막오염을 유발하는 이물질의 종류로는 부유성 입자, 콜로이드, 유기물, 미생물, 칼슘염 등의 무기염 등 다양한 종류가 있다. 이처럼 막오염을 유발하는 다양한 이물질 때문에 막오염 현상을 미리 예측한다는 것은 상당히 어려운 일이다.
일반적으로 역삼투 방식 또는 나노 여과공정에서의 막오염 현상을 미리 예측하기 위한 방법으로는 SDI(Silt Density Index) 측정방법이 사용되고 있다. SDI 측정방법은 분리막에 오염(fouling)이 일어날 수 있는 가능성을 나타내는 척도로 이용되는데, 직경이 47 mm, 공극이 0.45 ㎛의 필터에 30 psi의 압력으로 유입수를 통과시켜 부유물(SS; Suspended Solid) 성분에 의해 일어나는 오염의 정도를 측정하는 방법이다.
이 때, 처음 500 ml의 물이 흐르는데 걸리는 시간(T0)을 측정하고, 15분(T)이 지난 후 다시 500 ml의 물이 흐르는데 걸리는 시간(T1)을 측정하여, 측정된 두 시간의 비율을 막오염의 척도로 사용하고 있다.
SDI 측정방법은 현재 역삼투 방식 또는 나노 여과공정에서 유입수의 막오염 경향을 예측하기 위해 가장 널리 사용되는 방법이다. 일반적으로 SDI 측정방법에 따라 측정된 값, 즉 측정된 SDI 값이 3 미만이면 오염은 심하지 않은 것으로 판단하고, 5 이상이 될 경우 심한 오염이 발생될 것으로 판단하게 된다.
본 발명은 운용중인 막을 손상시키지 않으면서 막의 오염도를 정확하게 측정할 수 있도록 하는 막 오염도 측정 방법 및 장치를 제공하는 것을 목적으로 한다.
본 발명의 실시예에 따른 막 오염도 측정 방법은, 오염된 막에서 채취된 오염 물질, 유입수 및 막을 통과한 농축수 각각의 형광 스펙트럼들을 이용하여 기준 이미지와 비교 이미지를 획득하는 단계; 상기 획득된 기준 이미지를 분해하여 복수의 합성된 기준 이미지들을 생성하는 단계; 상기 복수의 합성된 기준 이미지들로부터 고유 벡터를 추출하는 단계; 상기 기준 이미지 및 상기 비교 이미지를 상기 추출된 고유 벡터에 투영하여 기준 특징 벡터와 비교 특징 벡터를 획득하는 단계; 및 상기 획득된 기준 특징 벡터와 비교 특징 벡터 사이의 거리를 이용하여 막의 오염도를 측정하는 단계를 포함한다.
또한, 본 발명의 실시예에 따른 막 오염도 측정 장치는, 오염된 막에서 채취된 오염 물질의 형광 스펙트럼을 이용하여 기준 이미지를 획득하는 기준 이미지 획득부; 유입수의 형광 스펙트럼과 막을 통과한 농축수의 형광 스펙트럼 사이의 차이를 이용하여 비교 이미지를 획득하는 비교 이미지 획득부; 상기 획득된 기준 이미지를 분해하여 복수의 합성된 기준 이미지들을 생성하여 고유 벡터를 추출하는 고유 벡터 추출부; 상기 기준 이미지 및 상기 비교 이미지를 상기 추출된 고유 벡터에 투영하여 기준 특징 벡터와 비교 특징 벡터를 추출하는 특징 벡터 추출부; 및 상기 기준 특징 벡터와 상기 비교 특징 벡터 사이의 거리를 이용하여 막의 오염도를 계산하는 오염도 계산부를 포함한다.
한편, 상기 막 오염도 측정 방법은 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체로 구현될 수 있다.
본 발명의 실시예에 따르면, 정수처리, 하폐수처리, 해수담수화, 식품 및 의료분야 등 다양한 분야에서 널리 활용되는 막여과 공정에서 막오염을 측정할 수 있는 시료들의 형광 스펙트럼을 통해 비교함으로써, 막오염 중 가장 심각한 문제로 대두되고 있는 생체막오염을 적시에 감시할 수 있다.
또한, 운용 중인 막으로부터 농축수와 유입수를 추출하여 막의 상태를 예측할 수 있기 때문에 운용 중인 막을 손상시키지 않으며, 막을 통과한 농축수를 이용하기 때문에 운용 중인 막의 상태를 고려할 수 있다.
본 발명의 다른 실시예에 따르면, 생체막 오염물질을 회복이 불가한 오염된 막으로부터 추출하여 고려하기 때문에 막을 손상시키는 직접적인 원인을 기반으로 비교 가능하다.
본 발명의 또 다른 실시예에 따르면, 막의 세정 전 후의 상태를 비교함으로써 세정 효과를 가늠하는 방법으로 활용될 수 있다.
도 1은 본 발명의 일실시예에 따른 막 오염도 측정 장치의 구성을 나타내는 블록도이다.
도 2는 본 발명의 일실시예에 따른 막 오염도 측정 방법을 나타내는 흐름도이다.
도 3은 오염된 막에서 채취된 오염 물질의 형광 스펙트럼에 대한 일예를 나타내는 도면이다.
도 4는 복수의 합성된 기준 이미지들에 대한 일예를 나타내는 도면이다.
도 5는 기준 특징 벡터와 비교 특징 벡터를 획득하는 방법에 대한 일실시예를 설명하기 위한 도면이다.
도 6은 여과막의 상태에 따라 측정된 특징 벡터 간 거리에 대한 일예를 나타내는 그래프이다.
도 7은 가우시안 마스크의 사용 여부에 따른 효과를 설명하기 위한 그래프이다.
이하, 첨부된 도면들을 참조하여 본 발명의 실시예에 따른 막 오염도 측정 방법 및 장치에 관하여 상세히 설명한다.
도 1은 본 발명의 일실시예에 따른 막 오염도 측정 장치의 구성을 블록도로 도시한 것으로, 막 오염도 측정 장치(100)는 기준 이미지 획득부(110), 비교 이미지 획득부(120), 고유 벡터 추출부(130), 특징 벡터 추출부(140) 막 오염도 계산부(150)를 포함하여 구성될 수 있다.
도 1을 참조하면, 기준 이미지 획득부(110)와 비교 이미지 획득부(120)는 오염된 막에서 채취된 오염 물질, 유입수 및 막을 통과한 농축수 각각의 형광 스펙트럼들을 이용하여 기준 이미지와 비교 이미지를 획득할 수 있다.
예를 들어, 기준 이미지 획득부(110)는 오염된 막에서 채취된 오염 물질의 형광 스펙트럼을 이용하여 기준 이미지를 획득하고, 비교 이미지 획득부(120)는 유입수의 형광 스펙트럼과 막을 통과한 농축수의 형광 스펙트럼 사이의 차이를 이용하여 비교 이미지를 획득할 수 있다.
한편, 고유 벡터 추출부(130)는 상기 획득된 기준 이미지를 분해하여 복수의 합성된 기준 이미지들을 생성하고, 상기 생성된 복수의 합성된 기준 이미지들을 이용하여 고유 벡터를 추출할 수 있다.
또한, 특징 벡터 추출부(140)는 상기 기준 이미지를 상기 추출된 고유 벡터에 투영하여 기준 특징 벡터를 추출하고, 상기 비교 이미지를 상기 고유 벡터에 투영하여 비교 특징 벡터를 추출할 수 있다.
막 오염도 계산부(150)는 상기 추출된 기준 특징 벡터와 비교 특징 벡터를 이용하여 막의 오염도를 측정할 수 있다.
본 발명의 일실시예에 따르면, 막 오염도 계산부(150)는 상기 기준 특징 벡터와 비교 특징 벡터 사이의 거리(예를 들어, 유클리디안 거리(Uclidean distance)))를 이용하여 상기 막의 오염도를 계산할 수 있다.
막여과 공정에서 막의 오염을 측정하는 방법으로는 막을 직접 채취하여 분석하는 직접적인 방법 (Membrane autopsy)과 막오염을 예측할 수 있는 요소 즉, 원수 수질, 온도, 운전압력, 막면 유속, 투과 수량 등을 측정하는 간접적 예측방법이 있다.
막을 직접 채취하여 분석하는 방법은 막의 오염 성분을 알아내는 가장 정확한 방법이지만, 막의 파손이 불가피하여 검사 비용이 높고 효율적이 못한 단점이 있다. 이를 해결하기 위해 막을 손상시키지 않으면서 정확히 막오염을 예측하고자 하는 연구들이 활발히 진행되고 있다. 널리 알려진 간접적 예측방법들로는 SDI (Silt Density Index), MFI (Modified Fouling Index), MFS (Membrane Fouling Simulator), UTDR (Ultrasonic Time-Domain Reflectometry) 등이 있다.
SDI는 막오염 측정 방법들 중 가장 많이 사용되어지고 있는 방법으로, 막 오염을 일으키는 미립자 물질의 양을 나타내는 지표로 사용된다. 측정 방법으로는 지름 47mm, 공극이 0.45 μm의 필터에 특정 압력으로 유입수 500 ml 가 흐르는데 걸리는 시간을 측정하고 15분 후 다시 500ml의 유입수가 흐르는데 걸리는 시간을 측정하여 측정된 두 시간의 비율을 막 오염 척도로 사용한다. 하지만, SDI는 0.45 μm 미만의 미세물질에 대해서는 고려하지 못하기 때문에 실제 역삼투막이나 나노여과막에 적용하기 어려울 수 있다.
MFI는 SDI의 단점을 보안하기 위해 제안된 방식으로 SDI와 마찬가지로 콜로이드 및 부유물질의 양을 나타내는 지표로 사용되지만, SDI와 동일한 여과막에서 실험을 하기 때문에 공극의 크기보다 더 작은 막오염 물질은 검출하기 어려울 수 있다.
MFS는 역삼투막과 나노막의 재료를 사용하여 작은 크기로 만들어진 모의실험장치로써 창을 통해 실시간으로 막오염을 관찰할 수 있으며, MFS에서 추출한 표본을 분석하고, 압력 저하를 감시함으로써 막오염을 예측할 수 있다.
UTDR은 초음파가 막오염물질과 막에 각각 반사되어 돌아오는 시간차 및 신호의 진폭을 이용하여 막오염층의 형성 및 증가를 실시간으로 감시할 수 있다.
상기한 바와 같은 가동 중인 막을 손상시키지 않으면서 간접적으로 막 오염을 측정하는 기존 방법들은 막을 통과하기 전 유입수를 토대로 막오염 가능성을 판단하는 방식이기 때문에 실제 막의 상태를 반영하지 못할 수 있다.
예를 들어, SDI와 MFI에서 사용되는 막의 경우 막의 공극의 크기가 실제 사용되는 막의 공극의 크기와 달라 막오염을 측정하는데 부적합하다는 주장이 제기되어 왔다. 또한, 기존방법들은 오염층이 쌓인 후 나타나는 현상들, 즉 투과유속, 투과수량 및 운전 압력의 변화 등을 이용한 지표이기 때문에, 이미 막오염이 많이 진행된 상태이다. 따라서, 오염층을 형성시키는 원인 중 가장 심각한 문제로 대두되고 있는 생체오염(Biofouling) 물질에 대해 사전 예측할 필요가 있다.
그에 반해, 도 1을 참조하여 설명한 바와 같은 본 발명의 일실시예에 따른 막 오염도 측정 장치는, 생체오염을 일으키는 물질의 형광발광 특성을 이용하고, 막의 상태에 따라 변하는 농축수의 형광스펙트럼의 변화를 이용하여 생체오염물질에 의한 막의 오염상태를 정량화할 수 있으며, 이는 유입수가 막을 통과하여 농축수가 될 때, 막의 표면에 생체오염물질이 많을수록 막으로부터 떨어져 나오는 생체오염물질이 농축수에 포함되어 농축수의 형광스펙트럼으로 나타날 가능성이 많기 때문이다.
본 발명의 일실시예에 따르면, 농축수의 형광스펙트럼 외에 막의 오염을 측정할 수 있는 시료들에 대해 형광 스펙트럼을 얻고 이들 사이의 유사도를 측정함으로써 막오염도를 정량적으로 나타내기 위해, 적용 가능한 시료와 실험 가능한 시나리오는 다음과 같다.
먼저, 막의 오염도를 측정할 수 있는 시료는 유입수, 오염된 막에서 채취한 오염 물질, 오염된 막을 통과한 농축수 및 교체된 막을 통과한 농축수 등이 이용될 수 있다.
오염된 막에서 채취한 오염 물질의 형광 스펙트럼과 오염된 막을 통과한 농축수에서 유입수를 뺀 결과의 형광 스펙트럼을 비교함으로써, 유입수와 농축수의 차이와 오염된 막의 관계를 알 수 있다.
또한, 오염된 막에서 채취한 오염물질의 형광 스펙트럼과 유입수의 형광 스펙트럼을 비교하여 유입수가 막에 미치는 영향을 알 수 있다.
그리고, 오염된 막을 통과한 농축수에서 유입수를 뺀 결과의 형광 스펙트럼과 교체된 막을 통과한 농축수에서 유입수를 뺀 결과의 형광 스펙트럼을 비교함으로써, 오염된 막에 의한 유입수와 농축수의 차이 변화량을 알 수 있다.
오염된 막을 통과한 농축수에서 유입수를 뺀 결과의 형광 스펙트럼과 유입수의 형광 스펙트럼을 비교하여 유입수에 의한 유입수와 농축수의 차이의 변화량을 알 수 있다.
이하, 도 2 내지 도 6을 참조하여 막 오염도 측정 방법에 대한 실시예들에 대해 보다 상세히 설명하기로 한다.
도 2는 본 발명의 일실시예에 따른 막 오염도 측정 방법을 흐름도로 도시한 것으로, 도시된 막 오염도 측정 방법을 도 1에 도시된 본 발명의 일실시예에 따른 막 오염도 측정 장치의 구성을 나타내는 블록도와 결부시켜 설명하기로 한다.
도 2를 참조하면, 먼저 오염된 막에서 채취된 오염 물질의 형광 스펙트럼, 유입수의 형광 스펙트럼 및 막을 통과한 농축수의 형광 스펙트럼이 획득된다(S200 단계).
예를 들어, 상기 오염된 막에서 채취된 오염 물질, 유입수 및 막을 통과한 농축수 각각의 형광 스펙트럼들은 형광분광광도계(fluorescence spectrophotometer)를 이용하여 획득될 수 있다.
기준 이미지 획득부(110) 및 비교 이미지 획득부(120)는 상기 획득된 형광 스펙트럼들을 이용하여 기준 이미지와 비교 이미지를 획득한다(S210 단계).
여기서, 상기 획득한 형광 스펙트럼들은 레일레이 및 라만 산란(Rayleigh and Raman light scattering)을 제거하는 전처리 과정을 거칠 수 있으며, 상기 전처리 과정은 매틀랩 7.9.0에서 제공하는 EEM cut을 사용하여 수행될 수 있다.
한편, 상기 전처리된 형광 스펙트럼 이미지들 중에서 상기 기준 이미지와 비교 이미지가 결정될 수 있다.
본 발명의 일실시예에 따르면, 기준 이미지 획득부(110)는 상기 오염된 막에서 채취된 오염 물질의 형광 스펙트럼을 이용하여 상기 기준 이미지를 획득할 수 있으며, 비교 이미지 획득부(120)는 상기 막을 통과한 농축수의 형광 스펙트럼에서 상기 유입수의 형광 스펙트럼을 뺀 결과를 이용하여 상기 비교 이미지를 획득할 수 있다.
도 3은 오염된 막에서 채취된 오염 물질의 형광 스펙트럼에 대한 일예를 나타낸 것으로, 도 3에 도시된 형광 스펙트럼 이미지가 상기 기준 이미지로 지정될 수 있다.
그 후, 고유 벡터 추출부(130)는 상기 획득된 기준 이미지를 분해하여 복수의 합성된 기준 이미지들을 생성하고(S220 단계), 상기 복수의 합성된 기준 이미지들로부터 고유 벡터를 추출한다(S230 단계).
예를 들어, 고유 벡터 추출부(130)는 가우시안 마스크(gaussian mask)를 이용해 상기 기준 이미지를 분해하여 상기 복수의 합성된 기준 이미지들을 생성할 수 있다.
구체적으로, 고유 벡터 추출부(130)는 상기 기준이미지로부터 특정 간격을 만족하고 꼭지점의 높이가 높은 순서대로 N 개의 꼭지점 위치를 찾은 후, 상기 기준 이미지에 최대 높이가 1이고 꼭지점 위치를 평균값으로 갖는 가우스 분포를 곱하여 N 개의 합성된 기준 이미지들을 생성할 수 있다.
한편, 상기 합성된 기준 이미지들은 주요성분(PC, Principle Component), 즉 고유벡터(eigenvector)를 얻기 위한 훈련 데이터(training set)가 될 수 있다.
그리고, 고유 벡터 추출부(130)는 주성분 분석(PCA, Principle Component Analysis)을 통해 상기 합성된 기준 이미지들로부터 복수의 고유 벡터들을 획득한 후 상기 획득된 복수의 고유 벡터들 중 최대 고유치(eigen value)에 해당하는 소수의 고유 벡터를 선택할 수 있다.
특징 벡터 추출부(140)는 상기 추출된 고유 벡터에 상기 기준 이미지 및 상기 비교 이미지를 투영하여 기준 특징 벡터와 비교 특징 벡터를 획득한다(S240 단계).
도 4는 기준 이미지를 분해하여 생성된 복수의 합성된 기준 이미지들에 대한 일예를 도시한 것으로, 도 3에 도시된 기준 이미지를 가우시안 마스크를 이용해 분해한 것이다.
예를 들어, 도 3에 도시된 기준 이미지에서 8개의 꼭지점들이 구해지고, 상기 8개의 꼭지점들 각각의 위치를 평균값으로 가지는 가우스 분포를 이용하여 8개의 합성된 기준 이미지들이 생성될 수 있다.
한편, 상기 8개의 합성된 기준 이미지들로부터 고유 벡터들이 획득되고, 상기 획득된 고유 벡터들 중에서 상기 기준 이미지 및 상기 비교 이미지를 투영할 고유 벡터가 선택될 수 있다.
도 3 및 도 4에 도시된 경우에 있어서, 오염된 막에서 채취된 오염 물질의 형광 스펙트럼에 따른 기준 이미지에 대해 획득된 기준 특징 벡터와, 막을 통과한 농축수의 형광 스펙트럼에서 유입수의 형광 스펙트럼 뺀 결과에 따른 비교 이미지에 대해 획득된 비교 특징 벡터가 도 5에 도시된 바와 같이 구해질 수 있다.
도 5를 참조하면, 여과막의 상태에 따라 상기 비교 특징 벡터가 변화되는 것을 알 수 있다.
그 후, 막 오염도 계산부(150)는 상기 획득된 기준 특징 벡터와 비교 특징 벡터 사이의 거리를 이용하여 막의 오염도를 측정한다(S250 단계).
예를 들어, 막 오염도 계산부(150)는 기준 특징 벡터와 비교 특징 벡터 사이의 유클리디안 거리를 계산하여 상기 두 특징 벡터들 사이의 유사도를 측정할 수 있다.
이 경우, 상기 기준 특징 벡터와 비교 특징 벡터 사이의 유클리디안 거리가 가까울 수록, 즉 상기 두 특징 벡터들이 서로 유사할 수록, 막의 오염도가 높은 것이므로, 막 오염도 계산부(150)는 상기 기준 특징 벡터와 비교 특징 벡터 사이의 거리에 반비례하도록 상기 막의 오염도를 계산할 수 있다.
도 6은 여과막의 상태에 따라 측정된 특징 벡터 간 거리에 대한 일예를 그래프로 도시한 것이다.
도 6을 참조하면, 오염된 막(예를 들어, 교체 전 또는 교체 2달 후의 여과막)의 경우 상기 기준 특징 벡터와 비교 특징 벡터 사이의 거리가 상대적으로 가깝게 나타나며, 깨끗한 막(예를 들어, 교체 후 또는 세척 후의 여과막)의 경우 상기 기준 특징 벡터와 비교 특징 벡터 사이의 거리가 상대적으로 멀게 나타났다.
그에 따라, 상기한 바와 같이, 상기 기준 특징 벡터와 비교 특징 벡터 사이의 거리가 가까울수록 막의 오염이 심화되었음을 예측할 수 있고, 반대로 거리가 멀게 나타날수록 막의 상태가 깨끗하다고 예측될 수 있다.
도 7은 가우시안 마스크의 사용 여부에 따른 효과를 설명하기 위해 도시한 그래프로서, 흑색은 상기한 바와 같은 본 발명의 일실시예에 따라 기준 이미지를 가우시안 마스크를 이용해 분해하여 주성분 분석(PCA)의 훈련 데이터(training set)로 이용한 경우이고, 백색은 기준 이미지와 비교 이미지를 주성분 분석(PCA)의 훈련 데이터(training set)로 이용한 경우이다.
기준 이미지와 비교 이미지를 주성분 분석(PCA)의 훈련 데이터로 이용하는 경우, 새로운 데이터의 추가로 훈련 데이터가 업데이트 되면, 훈련 데이터로부터 얻어지는 주성분(축)의 값이 변하게 되고, 훈련 데이터(축)에 투영되어 나타나는 각 이미지의 특징벡터의 값들도 함께 변하게 된다.
유사도는 각 이미지를 나타내는 특징 벡터 사이의 유클리디안 거리에 따라 구해지므로, 훈련 데이터에 변화가 생기면, 이미지 사이의 유사도를 측정한 결과 값도 변할 수 있다.
또한, 막오염 이미지를 나타내는 값과 전혀 다른 새로운 데이터가 훈련 데이터에 업데이트 되면, 상기 훈련 데이터로부터 도출되는 주성분(축)은 막오염과 상관없는 데이터의 영향을 받을 수도 있다.
따라서 본 발명의 일실시예에 따르면, 오염된 막으로부터 채취된 오염 물질에 따른 데이터에 의해 고정된 주성분(축)을 만들어 놓고, 비교할 새로운 데이터가 업데이트 될 때마다, 훈련 데이터의 업데이트 없이, 새로운 데이터를 이미 생성된 주성분(축)에 투영시킴으로써 각 이미지에 대한 일관된 특징벡터가 얻어질 수 있다.
한편, 상기한 바와 같이 오염도가 측정되는 막의 교체 시기는, 투과수량(Flux) 및 전기전도도 등이 일정 한계치가 되면 교체될 수 있다.
또한, 막의 수명을 최대한 연장시키고, 막의 성능 저하 속도를 최대한 늦추기 위하여, 가동중인 막이 오염물질로 인해 손상되지 않도록 잘 관리되어야하며, 미생물에 의한 오염은 막을 급격하게 손상시키므로 미생물에 의한 오염, 즉 바이오 파울링의 조기 발견이 중요하다.
그를 위해, 본 발명의 실시예는 바이오 파울링을 일으키는 미생물질의 형광발광 특성을 이용하여, 막 교체 시 막에 붙은 오염물질을 털어내어 만든 시료와 유입수 및 농축수에 포함되어 있는 바이오 파울런트를 감지하고, 일련의 비교 과정을 거쳐 막의 바이오 파울링의 오염정도를 예측할 수 있다.
본 발명은 와권형(spiral-wound: 두루마리처럼 말린 상태) RO 막 모듈을 작은 사이즈의 모의실험장치로 만들어 파울링을 테스트하는 Membrane Fouling Simulator(MFS)처럼 특정 여과막 시스템에 한정되지 아니하며, 실제 가동중인 시스템에서 시료를 채취하여 시료의 형광스펙트럼을 측정, 형광스펙트럼 사이의 유사도를 구하여 막의 오염상태를 나타내는 방식이기 때문에, 바이오 파울링을 일으키는 막이라면 특정 형태(예: 와권형, 관상형, 평판형 등)나 막의 종류(예: RO막, UF막, MF막)에 한정되지 않고 적용이 가능하다.
상술한 본 발명에 따른 막 오염도 측정 방법은 컴퓨터에서 실행되기 위한 프로그램으로 제작되어 컴퓨터가 읽을 수 있는 기록 매체에 저장될 수 있으며, 컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등이 있으며, 또한 캐리어 웨이브(예를 들어 인터넷을 통한 전송)의 형태로 구현되는 것도 포함한다.
컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고, 상기 방법을 구현하기 위한 기능적인(function) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술분야의 프로그래머들에 의해 용이하게 추론될 수 있다.
또한, 이상에서는 본 발명의 바람직한 실시예에 대하여 도시하고 설명하였지만, 본 발명은 상술한 특정의 실시예에 한정되지 아니하며, 청구범위에서 청구하는 본 발명의 요지를 벗어남이 없이 당해 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 다양한 변형 실시가 가능한 것은 물론이고, 이러한 변형 실시들은 본 발명의 기술적 사상이나 전망으로부터 개별적으로 이해되어져서는 안될 것이다.

Claims (11)

  1. 막의 오염도를 측정하는 방법에 있어서,
    오염된 막에서 채취된 오염 물질, 유입수 및 막을 통과한 농축수 각각의 형광 스펙트럼들을 이용하여 기준 이미지와 비교 이미지를 획득하는 단계;
    상기 획득된 기준 이미지를 분해하여 복수의 합성된 기준 이미지들을 생성하는 단계;
    상기 복수의 합성된 기준 이미지들로부터 고유 벡터를 추출하는 단계;
    상기 기준 이미지 및 상기 비교 이미지를 상기 추출된 고유 벡터에 투영하여 기준 특징 벡터와 비교 특징 벡터를 획득하는 단계; 및
    상기 획득된 기준 특징 벡터와 비교 특징 벡터 사이의 거리를 이용하여 막의 오염도를 측정하는 단계를 포함하는 막 오염도 측정 방법.
  2. 제1항에 있어서, 상기 기준 이미지는
    상기 오염된 막에서 채취된 오염 물질의 형광 스펙트럼을 이용하여 획득되는 막 오염도 측정 방법.
  3. 제1항에 있어서, 상기 비교 이미지는
    상기 유입수의 형광 스펙트럼과 상기 막을 통과한 농축수의 형광 스펙트럼 사이의 차이를 이용하여 획득되는 막 오염도 측정 방법.
  4. 제1항에 있어서,
    상기 형광 스펙트럼들에서 레일레이 및 라만 산란(Rayleigh and Raman light scattering)을 제거하는 전처리 단계를 더 포함하는 막 오염도 측정 방법.
  5. 제1항에 있어서, 상기 복수의 합성된 기준 이미지들을 생성하는 단계는
    상기 기준 이미지에서 특정 간격을 만족하고 꼭지점의 높이가 높은 순서대로 임의의 개수의 꼭지점들을 구하는 단계; 및
    상기 구해진 꼭지점들 각각에 대해, 상기 꼭지점의 위치를 평균값으로 가지는 가우스 분포를 이용해 상기 합성된 기준 이미지를 생성하는 단계를 포함하는 막 오염도 측정 방법.
  6. 제1항에 있어서, 상기 고유 벡터를 추출하는 단계는
    주성분 분석(PCA)을 통해 상기 합성된 기준 이미지들로부터 복수의 고유 벡터들을 획득하는 단계; 및
    상기 획득된 복수의 고유 벡터들 중 최대 고유치(eigen value)를 가지는 고유 벡터를 선택하는 단계를 포함하는 막 오염도 측정 방법.
  7. 제1항에 있어서, 상기 막의 오염도는
    상기 기준 특징 벡터와 비교 특징 벡터 사이의 거리에 반비례하도록 측정되는 막 오염도 측정 방법.
  8. 제1항 내지 제7항 중 어느 한 항에 기재된 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
  9. 오염된 막에서 채취된 오염 물질의 형광 스펙트럼을 이용하여 기준 이미지를 획득하는 기준 이미지 획득부;
    유입수의 형광 스펙트럼과 막을 통과한 농축수의 형광 스펙트럼 사이의 차이를 이용하여 비교 이미지를 획득하는 비교 이미지 획득부;
    상기 획득된 기준 이미지를 분해하여 복수의 합성된 기준 이미지들을 생성하여 고유 벡터를 추출하는 고유 벡터 추출부;
    상기 기준 이미지 및 상기 비교 이미지를 상기 추출된 고유 벡터에 투영하여 기준 특징 벡터와 비교 특징 벡터를 추출하는 특징 벡터 추출부; 및
    상기 기준 특징 벡터와 상기 비교 특징 벡터 사이의 거리를 이용하여 막의 오염도를 계산하는 오염도 계산부를 포함하는 막 오염도 측정 장치.
  10. 제9항에 있어서, 상기 고유 벡터 추출부는
    가우시안 마스크(gaussian mask)를 이용해 상기 기준 이미지를 분해하여 상기 복수의 합성된 기준 이미지들을 생성하고, 주성분 분석(PCA)을 통해 상기 합성된 기준 이미지들로부터 복수의 고유 벡터들을 획득하는 막 오염도 측정 장치.
  11. 제9항에 있어서, 상기 막의 오염도는
    상기 기준 특징 벡터와 비교 특징 벡터 사이의 거리에 반비례하도록 계산되는 막 오염도 측정 장치.
KR1020120016318A 2012-02-17 2012-02-17 막 오염도 측정 방법 및 장치 KR101847509B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020120016318A KR101847509B1 (ko) 2012-02-17 2012-02-17 막 오염도 측정 방법 및 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020120016318A KR101847509B1 (ko) 2012-02-17 2012-02-17 막 오염도 측정 방법 및 장치

Publications (2)

Publication Number Publication Date
KR20130094984A KR20130094984A (ko) 2013-08-27
KR101847509B1 true KR101847509B1 (ko) 2018-04-10

Family

ID=49218519

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020120016318A KR101847509B1 (ko) 2012-02-17 2012-02-17 막 오염도 측정 방법 및 장치

Country Status (1)

Country Link
KR (1) KR101847509B1 (ko)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102029013B1 (ko) 2018-02-26 2019-11-08 건국대학교 산학협력단 바이오파울링 현장 감지 장치를 포함하는 막여과 시스템 및 이의 감지 방법
CN111582139B (zh) * 2020-04-30 2023-08-04 北京百度网讯科技有限公司 一种排污口识别方法、装置、电子设备和存储介质
CN117138588B (zh) * 2023-10-27 2024-02-13 克拉玛依曜诚石油科技有限公司 反渗透系统的智能在线清洗方法及其系统

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002291499A (ja) 2001-03-30 2002-10-08 Natl Inst Of Advanced Industrial Science & Technology Meti 微生物の検出および計数方法
WO2004042392A1 (ja) 2002-11-07 2004-05-21 Fujitsu Limited 画像解析支援方法、画像解析支援プログラムおよび画像解析支援装置
JP2004279273A (ja) 2003-03-17 2004-10-07 Food Safety Innovation Gijutsu Kenkyu Kumiai 異物混入検査方法及びこれに用いる異物混入検査装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002291499A (ja) 2001-03-30 2002-10-08 Natl Inst Of Advanced Industrial Science & Technology Meti 微生物の検出および計数方法
WO2004042392A1 (ja) 2002-11-07 2004-05-21 Fujitsu Limited 画像解析支援方法、画像解析支援プログラムおよび画像解析支援装置
JP2004279273A (ja) 2003-03-17 2004-10-07 Food Safety Innovation Gijutsu Kenkyu Kumiai 異物混入検査方法及びこれに用いる異物混入検査装置

Also Published As

Publication number Publication date
KR20130094984A (ko) 2013-08-27

Similar Documents

Publication Publication Date Title
KR101462565B1 (ko) 해수담수화 장치의 역삼투막에 대한 실시간 막오염 포텐셜 감시방법 및 실시간 막오염 포텐셜 감시기능을 가지는 해수담수화장치
KR101006901B1 (ko) 막오염 지수 측정장치
JP6567274B2 (ja) 分離膜の汚染状態分析方法、その方法を用いるろ過対象水の水質評価方法
Rachman et al. Assessment of silt density index (SDI) as fouling propensity parameter in reverse osmosis (RO) desalination systems
KR101847509B1 (ko) 막 오염도 측정 방법 및 장치
Maere et al. Membrane bioreactor fouling behaviour assessment through principal component analysis and fuzzy clustering
US20200254391A1 (en) Method of predicting membrane fouling in reverse osmosis process
JP6768889B2 (ja) 分離膜の汚染状態分析方法及びその方法を用いるろ過対象水の水質評価方法
CN107850540B (zh) 制备流体样品进行激光诱导击穿光谱和成像分析的方法
JP2019502915A (ja) 粒子検出方法及びそれを実施するためのシステム
Niewersch et al. Reverse osmosis membrane element integrity evaluation using imperfection model
Valente et al. Image processing tools in the study of environmental contamination by microplastics: reliability and perspectives
CN111204842A (zh) 一种通过神经网络实现超滤膜污染评价的方法、装置、系统
Sturm et al. Development of an inexpensive and comparable microplastic detection method using fluorescent staining with novel nile red derivatives
Bertoldi et al. Microplastic abundance quantification via a computer-vision-based chemometrics-assisted approach
Peiris et al. Development of a species specific fouling index using principal component analysis of fluorescence excitation–emission matrices for the ultrafiltration of natural water and drinking water production
JP6719291B2 (ja) 水処理装置の有機分離膜の洗浄方法
Chai et al. An alternative cost-effective image processing based sensor for continuous turbidity monitoring
KR102082284B1 (ko) 막분리공정의 여과성능 예측방법
KR20170099201A (ko) 유기성 막 오염의 예측 방법
KR20180092586A (ko) 분리막을 구비한 삼투압 응용 공정 수처리 장치, 분리막의 오염도 모니터링 시스템 및 이를 이용한 모니터링 방법
Wang et al. Analysis of performance criteria for ultrafiltration membrane integrity test using magnetic nanoparticles
Salinas-Rodriguez et al. Methods for Assessing Fouling and Scaling of Saline Water in Membrane-Based Desalination
JP5430463B2 (ja) フローサイトメトリーによる微生物検出方法およびそれに用いる装置
JP2009236832A (ja) 溶存汚濁物質のモニタリング方法および装置

Legal Events

Date Code Title Description
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant