KR19980068524A - 수질이상 감시방법 및 수질이상 감시시스템 - Google Patents

Abstract

본 발명은 처리하여야 할 정보의 량을 작게 함으로써 고가의 장비를 사용하지 않고도 어류의 이상행동을 감시할 수 있으며, 판단의 오류를 최소화 할 수 있도록 한 것으로;

본 발명의 기술적 구성은, 어류가 담겨져 있는 수조와, 상기 수조로부터 어류의 행동을 추출하기 위한 영상획득수단과; 모델의 정합을 위해 어류에 대한 모델을 생성하는 모델생성수단과; 상기 영상획득수단으로부터 추출된 어류의 행동을 분석하여 어류의 각 특징정보를 추출하는 정보추출수단과; 상기 모델생성수단에 의해 생성된 어류의 행동패턴에 따른 정보를 내장하고 있는 기억수단과; 상기 정보추출수단으로부터 추출된 특징정보와 상기 기억수단내에 내장되어 있는 어류의 행동패턴에 따른 정보를 정합하여 정규화된 특정값을 생성하는 모델정합수단; 모델정합수단에 의해 생성된 특정값을 추론을 하는 추론수단과; 추론수단의 결과를 비교값으로 하는 설정수단과; 판단수단의 결과에 의해 경고신호를 송출하는 경고수단을 포함하는 수질이상 감시시스템 및;

정규의 어류에 의해 정규화된 모델을 생성하고, 어류가 담겨져 있는 수조로부터 어류의 행동을 영상으로 획득하고, 획득된 영상수단으로부터 어류의 행동을 분석하여 어류의 각 특징정보를 추출하여 이를 기억수단에 기억시키고, 각 특징정보와 정규화된 모델을 정합하여 정규화된 특정값을 생성하고, 정규화된 특정값을 퍼지추론을 하고, 퍼지추론된 결과를 기준값과 비교하여 오염도를 판단하고, 판단결과에 의해 경고신호를 송출하는 단계를 포함하는 수질이상 감시방법.

Description

수질이상 감시방법 및 수질이상 감시시스템

제1도는 본 발명에 따르는 전체시스템에 대한 개략도이다.

제2도는 본 발명의 제어장치에 대한 구성을 나타낸다.

제3도는 본 발명의 제어장치의 동작을 나타내는 도면이다.

제4도는 제3도에서 화상의 추출과 잡음을 제거하는 과정을 상세히 나타내는 도면이다.

제5도는 제3도에서 각 특징정보를 처리하는 과정을 상세히 나타내는 도면이다.

제6도는 이러한 결과치에 의해 퍼지추론을 하는 과정을 나타내는 도면이다.

[산업상 이용분야]

정수장에서, 원수 중에 독성물질이 혼입되어 있는가 여부를 감시하기 위해서, 원수의 일부를 어류, 예를 들면, 송사리, 붕어, 금붕어 등과 같은 물고기(이하, 본 명세서에서는 통칭하여 '어류'라고 표현하여 설명하겠음)를 사육하고 있는 수조로 끌어들여 어류의 행동을 감시하는 시스템이, 일본국 공개특허공보 소63-307385호, 소63-179252호, 소62-83663호, 소57-1979호 등에 알려져 있다.

이와 같은 종류의 감시시스템은, 원수 중에 독성물질이 혼입되어 있는 경우, 어류가 이상하게 행동한다던가, 죽는다던가 하는 현상을 이용하여 원수 중에 독성물질이 유입되는 것을 감시하는 시스템인데, 어류의 움직임이나 이상 행동을 연속적으로 감시하고, 이를 화상처리하여 어류의 상태량을 판단하는 것으로 정수장이나 하수 처리장에서 유입수의 독성물질의 혼입여부를 검출하고 있다.

따라서, 이러한 시스템은 기본적으로 어류를 사육하고 있는 수조와, 상기 수조내의 어류의 거동상태를 촬영하여 화상정보를 출력하는 촬영장치와, 상기 촬영장치로부터 얻어진 화상정보와 촬영시간이 다른 화상을 처리하여 어류의 상태량을 출력하는 상태량 출력수단과, 어류의 상태량이 설정레벨을 초과하고 있는지의 여부를 검출해서 표시하는 수단 등을 포함한다.

일본국 공개특허공보 평2-161352호는 수조내의 어류의 이동속도를 감시하여 수질이상을 감시하는 시스템이 공개되어 있다. 이 시스템에서는, 수조내의 어류의 행동을 촬상장치로 감시하고 전기적인 신호로 변환하여 출력하고, 촬영장치로부터 출력되는 신호를 이동속도 검출수단으로 전송한다. 이동속도 검출수단에서는 촬영장치에서 얻은 어류의 화상에 기초하여 어류의 평균이동속도를 구한 다음, 이를 이동속도 판정기에 가한다. 이동속도 판정기에는 제1이동속도 및 제2이동속도를 평균속도와 비교하여 어류가 제1이동속도 보다 활발한 움직임을 보일때를 독성물질의 유입에 의한 이상행동이라고 판정하고, 어류가 제2이동속도 보다 작은 움직임을 독성물질의 유입에 의한 어류의 사망을 나타내는 것으로 하여, 그 결과를 경보장치의 ON/OFF 신호로 하여 경보를 울리도록 하는 것이다.

그러나 이러한 시스템은 어류의 이상행동을 관찰하기 위해 움직임을 계속적으로 추적하여야 하므로 처리해야 할 정보량이 많아짐으로써 고가의 장비가 필요로 하는 결점이 있다.

따라서, 본 발명의 목적은 처리하여야 할 정보의 량을 작게 함으로써 고가의 장비를 사용하지 않고도 어류의 이상행동을 감시할 수 있는 시스템을 제공하는데 있다.

본 발명의 또 다른 목적은 처리하여야 할 정보의 량을 작게 함으로써 고가의 장비를 사용하지 않고도 어류의 이상행동을 감시할 수 있으며 판단의 오류를 최소화 할 수 있는 시스템을 제공하는데 있다.

이러한 목적을 달성하기 위한 본 발명은, 어류가 담겨져 있는 수조와, 상기 수조로부터 어류의 행동을 추출하기 위한 영상획득수단과; 모델의 정합을 위해 어류에 대한 모델을 생성하는 모델생성수단과; 상기 영상획득수단으로부터 추출된 어류의 행동을 분석하여 어류의 각 특징정보를 추출하는 정보추출수단과; 상기 모델생성수단에 의해 생성된 어류의 행동패턴에 따른 정보를 내장하고 있는 기억수단과; 상기 정보추출수단으로부터 추출된 특징정보와 상기 기억수단내에 내장되어 있는 어류의 행동패턴에 따른 정보를 정합하여 정규화된 특정값을 생성하는 모델정합수단; 모델정합수단에 의해 생성된 특정값을 추론을 하는 추론수단과; 추론수단의 결과를 비교값으로 하는 설정수단과; 상기 비교값과 기준값을 비교하여 오염도를 판단하는 판단수단과; 판단수단의 결과에 의해 경고신호를 송출하는 경고수단을 포함한다.

따라서 퍼지추론을 위해 초기모델생성수단이 더 포함될 수 있다. 상기 오염도 산정수단의 결과가 미리 정해진 값을 넘을 때 경보신호를 송출하는 경보장치로 구성된다.

영상획득수단은, 수조로부터 어류의 행동을 영상신호로 변환하기 위한 영상수단과 변환된 영상신호를 디지탈신호로 변환하기 위한 영상신호변환수단을 포함하는데, 영상수단은 컬러 CCD 카메라 등이 사용될 수 있다. 영상신호변환수단은 컬러 CCD 카메라가 획득한 아날로그로 된 신호를 신호처리장치가 인식할 수 있는 디지탈신호로 변환하는 역할, 즉 아날로그의 1차원 신호를 샘플링하고 양자화하여 신호처리장치가 인식할 수 있는 이산신호로 바꾸어주는 역할을 한다. 이러한 영상신호변환수단으로는 meteor 보드가 사용된다.

어류의 행동패턴에 정보, 즉 학습된 모델에 의해 만들어진 정보는 미리 기억수단에 내장되어 있는데, 이러한 기억수단으로는 자기디스크 또는 EEPROM 등과 같은 기억장치가 사용될 수 있다.

독성물질이 함유되어 있는 물에서의 어류의 행동은 여러 가지 행동패턴을 나타낼 수 있는데, 본 발명에서는 어류의 행동에 의해 추출된 특징정보로는, 부유성, 회피성, 군집성, 확산성, 이동성이 오염도를 산정하는 정보로 사용된다.

따라서 정보추출수단은 어류의 행동패턴에 따른 이러한 특징정보들을 추출하기 위해 영상획득수단으로부터의 각 영상은 픽셀단위로 처리되어 이에 포함되어 있는 밝기정보 및 색상정보가 정보로서 제1차 정보로서 추출된다.

영상획득수단으로부터 입력되는 데이터는 화소라는 점들로 구성되는 단순한 2차원 배열이다. 따라서 어류의 동작성을 분석하는데, 이러한 데이터를 직접 사용할 수 없다. 따라서 이러한 영상을 분석하여 사용할 수 있는 형태의 정보를 추출하여야 한다. 이를 위해 먼저 추출된 영상은 정규화되어야 한다.

정규화를 위해 필요한 모델은 미리 기억되어 있다. 이러한 모델은 사용자와 상호작용을 통해서 영상에서 어류인 부분을 인식하고, 배경부분을 인식한 후 두 데이터를 비교분석하여 후속되는 입력 화상에서 컴퓨터로 하여금 어류와 배경을 구분할 수 있도록 한다.

이러한 모델은 어류를 인식하기 위해 모델은 정규화된 값을 사용하여 이루어진다.

이렇게 추출된 제1차 정보들은 정합수단에 전송된 다음, 모든 영상이 픽셀로 처리되어 각각의 픽셀내에 포함된 각각의 점들이 물체에 속하는 점인지 배경에 해당하는 점인지를 판단하여 추출되는데, 이를 위해 물체추출수단을 포함한다. 이때 물체에 속하는 점인지 배경에 해당하는 점인지 또는 잡음인지는 픽셀내에 포함되어 있는 각각의 점의 크기에 의해 판단된다.

이렇게 물체추출수단에 의해 추출된 정보들은 분석수단으로 인가되어 어류의 동작성이 분석된다. 어류의 동작분석은 현재시점의 영상과 이전 시점의 영상들에 대한 정보에 의해 수행된다. 이렇게 하여 제2차 정보 즉, 부유성 편중성, 이동성, 군집성, 확산성 등이 추출되는데, 이러한 제2차 정보들은 산정수단에 인가되어 오염도를 판정하는데 사용된다.

산정수단은 퍼지화기가 사용되는데, 퍼지화기는 추론엔진 및 비퍼지화기를 포함한다.

특히 퍼지추론을 위해 초기모델이 사용되는데, 이를 위해 먼저 초기모델은 미리 기억된다.

그리고 오염도의 산정수단의 결과는 비교수단에 의해 미리 정해진 값과 비교되어 그 결과로서 경보신호를 송출하는 경보기를 동작시키는 신호로 사용된다.

따라서 이러한 시스템은, 정규의 어류에 의해 정규화된 모델을 생성하고, 어류가 담겨져 있는 수조로부터 어류의 행동을 영상으로 획득하고, 획득된 영상수단으로부터 어류의 행동을 분석하여 어류의 각 특징정보를 추출하여 이를 기억수단에 기억시키고, 각 특징정보와 정규화된 모델을 정합하여 정규화된 특정값을 생성하고, 정규화된 특정값을 퍼지추론을 하고, 퍼지추론된 결과를 기준값과 비교하여 오염도를 판단하고, 판단결과에 의해 경고신호를 송출하는 단계를 포함한다.

이하 본 발명에 따르는 장치를 첨부된 도면을 참조하여 설명한다.

제1도는 본 발명에 따르는 전체시스템에 대한 개략도이고, 제2도는 본 발명의 제어장치에 대한 구성을 나타낸다. 제3도는 본 발명의 제어장치의 동작을 나타내는 프로그램이다. 제4도는 제3도에서 화상의 추출과 잡음을 제거하는 과정을 상세히 나타내는 프로그램이다. 제5도는 제3도에서 각 특징정보를 처리하는 과정을 상세히 나타내는 프로그램이다.

전체시스템(1)을 나타내는 제1도를 참조하면, 원수가 유입되는 유입구(121)과 유출되는 유출구(123)을 갖는 수조(12)에는 어류가 사육되고 있다. 수조(12)에 사육되고 있는 어류의 행동은 CCD 카메라(14)에 의해 영상신호로 변환되어 케이블(16)을 통해 퍼스널 컴퓨터(PC:18)로 입력된다. PC(18)는 CCD 카메라(14)로부터 들어온 아날로그신호를 샘플링하고 양자화하여 디지탈신호로 변환하여 처리하는데, 이러한 PC(18)의 구성은 제2도에서 다시 설명된다. PC(18)는 이러한 디지탈신호를 주어진 프로그램에 따라 내부적으로 처리한다.

제2도는 PC(18)의 내부구성도를 나타내는데, PC(18)는 중앙처리장치(181), 버스(182)를 통해 중앙처리장치와 연결되는 ROM(184), RAM(185), FDD(186), HDD(187), 인터페이스장치 Ⅰ(183) 그리고 인터페이스 Ⅱ(188)로 구성되어 있다. 여기서 제2도는 인터페이스장치 Ⅰ(183)은 CCD 카메라(14)와 연결되며, 인터페이스장치 Ⅱ(188)는 경보장치와 연결된다. ROM(184)에는 중앙처리장치(181)가 시스템을 제어하는데 필요한 프로그램이 내장되어 있다.

한편 이러한 PC(20)는 범용적인 퍼스널 컴퓨터가 그대로 사용될 수 있다. 이때 어류의 행동패턴에 따르는 정보, 즉 학습된 모델에 의해 만들어진 정보는 외부 메모리장치인 자기디스크, 예를 들면 플로피 디스크나 고정메모리인 하드 디스크에 내장될 수 있다.

더욱이 이러한 외부메모리의 사용은 플로피 디스크와 같은 기억소자를 사용하여 환경에 따른 학습모델에 의해 만들어진 정보를 저장해 놓음으로써 하나의 시스템으로 고정되어 여러 환경변화에 맞출 수 없는, 즉 유연성이 떨어지는 결점을 해결할 수 있으며, 전체 시스템의 구성가격을 낮출 수 있게 한다.

이러한 본 발명 구성의 동작을 제3도에 따르는 프로그램과 함께 설명한다.

전체시스템(1)에 전원이 인가도면 중앙처리장치(181)는 수조(12)에 사육되고 있는 어류의 행동을 감시하고 있는 CCD 카메라(14)로부터의 영상신호를 획득한 다음(스텝 301), 획득된 영상으로부터 영역을 추출하고(스텝 302), 이 영역으로부터 특징을 추출하고(스텝 303) 이 특징들에 의해 오염도를 추출한다(스텝 304).

[영역 추출]

제4도는 CCD 카메라(14)로부터 획득된 영상으로부터 영역을 추출하기 위한 제3도에서의 스텝 302를 상세히 나타낸 프로그램에 대한 것이다.

Vision-base approach를 사용하는 본 시스템에서는 수조내에 있는 어류의 행동패턴을 측정하기 위해 영상을 인식하여야 한다. 이를 위해 CCD 카메라(14)로부터 획득된 수조에 대한 영상으로부터 어류의 위치와 크기를 인식하는 과정이 포함된다.

CCD 카메라에서 획득한 2차원적인 영상의 각 화소를 매트릭스상으로 배열되는 픽셀로 나누고 각각의 픽셀에 대해 어류영역과 배경영역으로 분류하는 2진화 연산을 수행, 어류영역에 속하면 1을, 반대로 배경영역에 속하면 0을 갖도록 한다.

이러한 과정은 학습과정에서 계산된 임계값(TH)을 이용하여 영상을 이진화하는 데, r이 TH보다 크면 1을 r이 TH보다 작으면 0의 값을 각각의 픽셀에 대응시켜 매트릭스로 배열한다.(스텝 401,402,403)

이러한 과정은 모든 픽셀에 대해 검토되고(스텝 404), 모든 픽셀에 대한 검토가 끝나면, 스텝 402, 403에서 이진화 연산결과, 각각의 픽셀에 대응하는 0과 1로 된 매트릭스 배열에서 화소간의 연결성에 대한 정보를 갖도록 하기 위해 레이블 연산을 수행한다. 이 레이블링 연산은 이진화연산을 통해서 이진화된 2차원적인 정보가 화소간의 연결성에 대한 정보를 갖고 있지 않기 때문에 어류의 위치나 크기에 대한 정보를 가질 수 있도록 하기 위해 하는 것이다. 따라서 레이블링 연산은 화소간의 연결성을 계산하는 연산이다. 본 시스템에서는 one-pass 레이블링 연산을 행한다.

먼저 픽셀(x,y)에 대해 레이블되어 있고, 물체가 아닌가를 판단한다(스텝 407). 그 결과 물체라면, 다음 스텝 411으로 진행하고, 아니면 다음 픽셀이 레이블되어 있는가 여부를 판단한다(스텝 408), 그 결과 레이블되어 있다면 픽셀값을 인접하는 픽셀과 같게 하고(스텝 409), 아니면 픽셀의 경계치를 설정하고(스텝 410), 다음 스텝 411으로 진행한다. 이러한 과정 역시 모든 픽셀에 대해 검토된다(스텝 412).

모든 픽셀에 대한 검토가 끝나면 레이블된 크기가 미리 정해진 크기 보다 큰가 작은가를 판단한다(스텝 413). 정해진 크기 보다 작다면 이를 노이즈로 판단하고 제거한다(스텝 414). 이러한 과정은 모든 영역에 대해 행해진다(스텝 415). 이렇게 추출된 영역으로부터 동작성을 분석한다.

[동작성 분석]

모델 정합 과정에서 분석된 정보는 현 영상에서 어느 정도 크기의 어류가 어느 위치에 있는가를 나타낸다. 이 동작성 분석 과정에서는 모델 정합 과정에서 추출된 이런 정보를 이용하여 어류 동작의 비정상 정도(degree of abnormality)를 측정한다.

오염물질이 포함된 물이 수조로 유입되었을 경우 그 오염물질은 어류에게 직접적으로 영향을 미치게 된다. 신경계 마비외 호흡곤란으로 인한 수면으로의 부유, 죽기전의 광란현상, 오염물질이 적은 쪽으로의 회피 등과 같은 이상현상을 보여주게 된다.

본 시스템에서는 어류의 비정상 정도를 측정하기 위해 5가지의 특징, 즉 부유성, 편중성, 이동성, 군집성, 확산성이 사용되는데, 이 5가지 특징들은 현재 어류의 동작성을 나타내는 척도로서 오염도 판정과정에서의 입력값으로 사용된다. 위 특징값들은 어류가 평소와는 다른 이상한 행동을 할 경우 높은 값을 갖게 된다.

[부유성]

오염된 물이 수조로 유입되면 어류는 호흡곤란으로 고통을 겪게 되고 위에서 언급했던 여러 가지 이유에 의해서 수면으로 상승하려는 행동 패턴을 보이게 된다. 어류의 이런 행동 패턴을 측정하기 위해서 부유성을 사용한다. 이 척도는 어류가 얼마나 수면쪽에 위치하는지를 나타내는 척도이다. 만약 어류의 대부분이 수면 바로 밑에 위치한다면 이 값은 높은 값, 1을 갖게 되는 것이다. 그렇지 않으면 낮은 값 0을 갖게 된다.

이러한 부유성은 식(2)에 의해서 계산된다. 수조 하부에 어류가 위치하면 0의 가중치를, 수면에 어류가 위치하면 1의 가중치를 두어 전체 어류의 수직 분포를 계산한다.

여기서 N은 추출된 영역의 개수이며, sizw_i는 i번째 영역의 크기, y_i는 i번째 영역의 Y축 위치이다. 영상의 크기가 160*120이므로 y_i값이 120을 가질 때 1의 가중치를 가지게 되고, y_i의 값이 0일 때 가중치 0을 가지게 된다. 또 영역 크기를 가중치로 함으로서 영역이 큰 쪽이 더 큰 영향력을 가지게 했고, 전체 물체 크기로 나누어 정규화한다.

이렇게 계산된 부유성 값은 현재 획득된 영상에 대한 부유성을 나타낸다. 즉, 어류들의 전반적인 행동이 아니라 특정 시간 t에서의 부유성을 나타내는 것이다. 따라서 오염물질에 의한 어류의 상승이 아니라, 잠깐 동안의 상승이 오염물질의 유입으로 오판될 가능성이 있다. 그러므로 식(2)에 시간에 대한 개념을 첨가하여 식(3)을 유도하였다.

식(3)은 일정 가중치를 두어 일정 시간동안의 부유(τ)를 평균한 것이다. 여기에서 ω_τ는 τ번째 Float에 대한 가중치이다. 이렇게 함으로서 특정 시간 t에 대한 부유가 아니라 일정시간 동안의 부유하는 것을 고려해서 현재의 부유성을 계산한다. 여기서 α는 부유성을 계산하는데, 어느 정도까지 기간을 고려할 것인지를 나타내는 변수이다. 이 값이 크면 일시적인 부유성은 무시된다. 따라서 오염물질의 유입에 대해 민감하게 반응하지 않게 된다. 하지만 이 값이 너무 작으면 일시적인 부유성에도 높은 값을 갖게 되므로 오염물질에 민감하게 반응하는 반면 영상에 대한 잡음(noise)에도 민감하게 된다.

또한, 가중치 ω는 변수 α의 이런 단점을 다소 보완하기 위해서 사용되었다. 즉 가중치 ω가 상수값을 갖게 된다면, 오래전의 부유와 현재의 부유를 같은 비중으로 처리하게 된다.

본 시스템에서는 식(3)을 통해서 어류의 부유성을 측정하였다. 또 앞으로 변수 α의 결정은 시스템의 민감도를 결정하는 역할을 한다.

[편중성]

여기서 편중성은 어류가 수조의 우측으로 편중하는 정도를 측정하는 척도이다. 이것은 부유성과 마찬가지로 1과 0 사이의 값을 갖는다.

오염물질이 수조에 유입될 경우, 어류는 그 오염물질을 피하기 위해서 가능한 오염이 덜된 비교적 깨끗한 물쪽으로 모이게 될 것이다. 이 시스템에서는 물이 왼쪽에서 오른쪽으로 흐르기 때문에 오염물질의 유입은 왼쪽에서 시작되고, 따라서 오염물질의 유입시 왼쪽의 오염도가 오른쪽의 오염도 보다 높게 나타나게 된다. 이런 현상 때문에 어류는 오염물질이 수조에 유입됐을 경우 우측편중 현상을 보이게 될 것이다. 이런 현상을 측정하는 척도가 편중성이다. 식(2)와 유사한 식(4)는 일정 시점 t에서의 우측편중 현상을 나타내게 된다.

위에서 언급한 바와 같이 영상의 크기가 160*120이므로 x의 값이 160을 가질 때 1의 가중치를, x의 값이 0의 값을 가질 경우 0의 가중치를 갖게 된다. 부유성을 계산할 때와 마찬가지로 편중성은 일정 시간 동안의 우측편중 정도를 측정한 값이다. 이를 수식으로 나타내면 식(5)와 같다.

식(5)는 식(3)과 비슷한 형식을 갖는다. 즉, 변수 α는 시스템의 민감도를 결정하는 변수이고, ω는 변수 α의 단점을 보완하는 역할을 한다. 즉, 변수 α는 현재 값을 결정하기 위해서 어느 정도의 기간을 고려할 것인지를 나타내는 것이고, ω는 각각의 시간에서의 Fled값을 동등하게 고려할 것인지 아닌지를 결정하는 역할을 하게 된다.

어류의 우측편중 현상은 식(5)에 의해서 계산되고, 식(3)과 함께 오염도 측정을 위한 오염도 산정 과정의 입력값으로 사용되게 된다. 위의 두 특징값은 어류가 오염물질에 대해 회피하는 특성을 이용한 것이다.

[군집성]

군집도는 어류가 몰려있는 정도 혹은 한 마리의 어류가 다른 어류들과 얼마나 가까이 있는가를 측정하는 척도이다. 어류들은 평상시 수조 전체에 고르게 분포한다. 하지만 오염물질이 들어오면 어류개체 대부분이 본능적으로 오염도가 적은 쪽으로 움직이는 회피현상을 나타낸다. 이때 어류들은 높은 군집도를 나타내게 된다.

군집도는 다음과 같은 식으로 계산된다. 각 영역의 무게중심에서 전체 무게중심(6)까지의 평균거리(7)이다. 어류전체의 무게중심은 가중된 무게중심을 사용하고, Close는 그 전체 무게중심에서 각 영역, 즉 어류까지의 거리를 평균한 값을 사용한다.

식(6)에서 Cent^* _t-1는 t-1시간의 어류 전체 중심이고 Cent^* _t는 t시간의 어류 전체 중심이다. 어류 전체의 중심은 식(6)과 같이 각 영역의 크기로 가중된 무게중심을 사용한다. t는 영상에 대한 시간을 나타낸다.

물체의 영역이 크다는 것은 어류가 한 마리 이상 서로 겹쳐있다는 것을 의미한다. 즉, 영역이 큰 곳에 많은 어류가 존재한다는 의미이다. 따라서 무게중심은 전체 어류의 큰 곳에 많은 어류가 존재한다는 의미이다. 따라서 무게중심은 전체 어류의 무게중심이므로 어류가 많이 몰려 있는 곳에 가중치를 두어서 Cent^* _t를 계산한다. Centⁱ _t는 모델정합 과정에서 추출된 한 영역의 무게중심을 나타낸다.

여기서 Close는 전체 무게중심과 각 영역과의 평균거리를 구한 후, 정규화 과정을 거친 값이다. 따라서 1에서 0사이의 값을 갖게 되는데, 전체가 모두 한곳에 몰려 있을 경우 1의 값을 갖고, 멀리 떨어져 있는 경우 0에 가까운 값을 갖게 된다.

척도 Close는 위의 모든 식과 마찬가지로 특정한 시간 t에서의 값만을 처리한다. 하지만 일상적인 어류의 행동에서도 어류들이 모이는 일은 상당히 많다. 따라서 정상적인 어류의 행동에서도 어류들이 모이는 일은 상당히 많다. 따라서 정상적인 어류의 행동에서도 이 값은 높은 값을 가질 수 있다. 그러나 이런 행동에서도 이 값은 높은 값을 가질 수 있다. 그러나 이런 행동은 일시적인 현상이고 장기적으로 지속되지 못한다.

따라서 현시점의 군집도를 구하는데 식(7)과 같이 이전 시점 영상에서의 Close를 함께 고려해야 한다. α는 역시 시스템의 민감도를 결정하고, ω는 시스템이 너무 둔감해지는 것을 방지할 수 있다.

[확산성]

식(8)은 식(7)과 같이 계산되는 군집도의 1차 미분값으로 계산된다. 즉 전에 정의했던 Close값의 1차 미분값에 절대치를 취한 값이 된다.

이 값 역시 일정한 시간 t에서의 값이므로 위의 식들과 같이 이전 값을 고려해서 현재의 확산도는 식(9)와 같이 결정된다.

[이동성]

이동성은 수조에 오염물질이 유입되는 경우, 어류가 오염물질을 피하기 위해 이동한 정도와 어류가 체내로 오염물질을 흡입한 경우 어류의 광란 정도를 측정하기 위한 척도 중의 하나이다.

이 과정에서는 어류의 이동 정도를 측정한다. 오염물질이 유입되지 않은 경우에, 어류의 움직임은 상당히 적으며, 아주 적은 이동량을 나타낸다. 그러나 오염물질이 수조 내부로 유입됐을 경우, 어류는 오염물질을 피하기 위해서 본능적으로 이상행동을 보이게 된다. 또 오염물질을 피하기 위해서 본능적으로 이상행동을 보이게 된다. 또 어류가 독성물질에 중독되어 광란현상을 보이게 되면 활동반경이 커지고 속도도 빨라지게 된다. 이동성은 어류의 이런 움직임을 측정하는 척도가 된다.

어류의 2차원 형태는 다양하다. 다시 말하면, 어류가 화면 좌우로 이동할 경우, 화면의 수직방향으로 전진 및 후진할 경우, 몸을 휘어서 회전할 경우, 수면쪽으로 향해 있을 경우, 어류끼리 겹쳐진 경우 등 각각의 경우에 있어서 비춰지는 어류의 형태는 각각 다르게 나타난다. 따라서 한 마리의 어류가 다양한 형태를 가질 수 있게 된다.

따라서 이전 시점의 영상에서 찾아진 한 마리의 어류와 현재시점 영상에서 찾아진 한 마리의 어류가 같은 어류인지 아닌지는 그 형태만 가지고는 측정될 수 없다. 어류의 속도나 가속도, 또는 움직이는 방향 등을 가지고 같은 어류를 찾는 것은 가능한 일이나, 실시간으로 작동하는 본 시스템에서는 많은 양의 계산을 필요로 하는 위의 방법은 적당하지 않다.

식(10)은 어류의 이동성을 측정하는 방법을 식으로 표현한 것이다. 위에서 언급한 이유 때문에 본 시스템에서는 개개의 어류를 각각 추적하는 것이 아니라 이전시점 영상에서의 어류 전체의 분포와 현재시점 영상에서의 어류분포를 비교하여 이동성이 근사적으로 계산된다. 전체 무게중심의 이동만으로 어류의 세부적인 이동성을 측정할 수는 없다. 예를 들면, 무게중심을 기준으로 어류가 회전하고 있다면, 어류의 이런 움직임들은 측정할 수가 없다.

이런 움직임들을 측정하기 위해서 shape matching cost(SMC) 개념이 함께 사용된다. 여기서 모양(shape)이란 무게중심을 중심으로 어류의 퍼져있는 분포를 말하는 것이다. 즉, 각 영역에 대한 무게중심으로부터의 거리, 각 영역의 크기, 그리고 무게중심에서 각 영역이 위치한 곳의 각도를 모양으로 한다.

전 시점의 모양과 현시점의 모양과의 정합을 시도하고, 그 두 모양의 차이를 shape matching cost로 사용한다. 두 모양의 각도 차이를 계산하여 그 차이를 SMC의 값으로 한다. 식(11), 식(12), 식(13)은 거리, 영역, 방향의 차이를 측정하는 척도이다.

여기서 node_i와 node_j는 정합할 노드, 즉 한 어류의 영역을 나타낸다. node_i는 전시점 모양에서의 한 노드이고, node_j는 현시점 모양에서의 한 노드이다. 위의 식(14)는 임의의 두 노드 node_i와 node_j를 비교하는 함수이다. 즉, 두 노드 node_i와 node_j의 차이가 얼마인가를 계산하는 함수이다.

식(11)에서의 area 함수는 node_i와 node_j간의 영역의 크기를 비교하는 함수이다. 차이가 없을 경우 0의 값을 갖고, 차이가 많이 날 경우 1의 값에 근사하게 된다. 또, 식(12)의 Distance 함수는 각 모양의 중심에서 그 노드들까지 거리의 차이를 비교하는 기능을 한다. 역시 두 노드가 같은 거리를 가질 경우 0의 값을, 차이가 많이 생기면 1에 근사한 값을 갖는다. 식(13)의 Direction은 그 노드가 속한 모양을 무게중심과 그 노드 사이의 각도로 나타낸다.

두 shape간의 shape matching cost는 식(15)와 같이 노드들의 평균 정합도를 이용하여 계산한다. 여기서 정의한 이동성은 어류의 이동한 정도를 근사적으로 계산한 것이다. 하지만 처음식 (10)은 어느 특정한 시간 t와 t-1 사이의 이동성이다. 이 식 역시 위의 식들과 마찬가지로 잡음에 민감하기 때문에 이를 보강해야 한다.

이동성을 식(16)과 같이 정의함으로써 어류의 이동을 대략적으로 근사하여 계산할 수 있고, 잡음에도 어느 정도 안정적일 수 있다.

이러한 특징을 추출하기 위한 프로그램은 제5도에 나타나 있다. 먼저 각 특징들을 추출된 영상으로부터 각 특징을 추출하기 위해 수직 및 수평 프로파일을 만든다(스텝 501). 그리고 이를 이용하여 현재의 영상과 이전영상에서 계산된 프로파일을 이용하여 부유성과 편중성을 계산하고 그 결과를 각각 RAM(185)에 저장한다(스텝 502).

획득된 영상에서 크로스 값을 계산하고(스텝 503), 현재와 이진영상에서 계산된 크로스 값을 이용하여 현재 영상에서 대한 군집성을 계산하고 그 결과를 RAM(185)에 저장한다(스텝 504). 그리고 현재 영상과 계산된 값을 가지고 현재 영상에 대한 확산성을 계산하고 그 결과를 RAM에 저장한다(스텝 505).

다음은 획득된 영상에서 형태벡터 SV(t)를 계산한다(스텝 506). 그리고 현재영상과 이진영상에서 계산된 형태벡터 SV(t)를 이용하여 어류의 이동성을 근사적으로 계산하고(스텝 507), 그 결과를 RAM(185)에 저장한다(스텝 508).

이렇게 계산된 각 결과치를 가지고 퍼지추론을 한다.

퍼지(fuzzy)추론은 기본적으로 퍼지(fuzzy)숫자라는 퍼지(fuzzy)집합을 단위로 연산을 수행하므로 일반적으로 사용되는 숫자는 퍼지(fuzzy)숫자로 변환해야 한다.

이 시스템에서는 fuzzy singleton 방법으로 외부의 입력값을 퍼지(fuzzy)추론 시스템에 적당한 값으로 변형한다. fuzzy singleton 방법은 추론 시스템의 입력값이 오차를 포함하지 않다고 가정할 때 사용하는 방법으로서 변형된 퍼지(fuzzy)집합의 소속 함수는 입력값과 같은 지점에서만 1의 값을 가지고 나머지 부분에서는 0의 값을 갖도록 정의하는 방법이다. 이 시스템에서의 5가지의 입력값은 정교히 계산되었으므로 fuzzy singleton 방법을 사용한다.

[퍼지추론]

이 부분에서는 위의 퍼지화기에서 계산되어 나온 퍼지(fuzzy)숫자들과 지식베이스에 저장되어 있던 퍼지(fuzzy)규칙들을 이용하여 퍼지(fuzzy)추론을 수행하는 부분이다.

여기서는 가장 많이 사용되고 있는 Mamdani의 추론방법이 사용된다. 이 방법은 입력값의 모호성을 결과값에 전파시키는 방법중의 하나로 composition method이고, 식(18)은 Modus ponen을 composition method로 표현한 것이다.

Y is B'

X=R(X):μ_R(x)(X)

R(X,Y):μ_R(x,y)(X,Y)

R(Y)=R(X)·R(X,Y)

:Max_yMin(μ_R(x)(X), μ_R(x,y)(X,Y))

이로 인하여 실제로 아래와 같은 규칙들이 만들어질 수 있다.

Rule 1:IF Floatness is Abnormal Fledness is Abnormal,

Then water quality is Abnormal.

Rule 2:IF Floatness is normal Fledness is normal,

Then water quality is normal.

Rule 3:IF Mobility is Abnormal Clusterness is Abnormal,

Then water quality is Abnormal.

Rule 4:IF Mobility is normal Clusterness is normal,

Then water quality is normal.

위와 같이 규칙들이 만들어지고, 입력값들이 들어왔을 경우 입력값들과 규칙들의 조건부를 비교한 후 추론될 수 있는 모든 규칙들이 추론된다. 입력값과 규칙들의 조건부를 비교하고 추론된 규칙들의 결론부를 합치기 위해서 maxmin 연산을 수행한다.

5개의 특징값을 가지고 있고 각 특징값마다 두 개의 퍼지(fuzzy)숫자가 있다면 조건부의 비교는 식(19)와 같이 수행될 수 있다. 여기서 β_i은 min 연산을 의미하는 것이다. 이렇게 조건부와 입력값과의 정합도를 계산 후 이 정합도를 식(20)과 같이 결론부에 전파시킨다.

여기서는 i번째 규칙의 추론결과를 나타내는 퍼지(fuzzy)집합이다. 이렇게 추론되어 나온 결론을 합치기 위해서 max 또는 min 연산 중 max 연산을 수행하게 된다.

여기에서 μ_C(ω)는 하나의 규칙에 대한 퍼지(fuzzy)추론의 최종 결과값이다.

[비퍼지화]

위의 추론시스템에서 구해진 결과값은 외부에서 실제로 사용할 수 없다. 따라서 그 값을 외부에서 사용할 수 있는데이터로 변환할 필요가 있다. 비퍼지화기에서는 퍼지(fuzzy)숫자를 외부에서 사용할 수 있는 데이터로 변환하는 기능을 한다. 이를 수식으로 나타내면 식(22)와 같은데, 여기에서는 무게중심법을 사용한다.

ω^*는 위의 추론시스템에서 계산된 값이고 ω_k는 결과값에 속하는 멤버이다. 즉, 추론 시스템에서 계산된 어떤 퍼지(fuzzy)집합의 원소이다. 따라서, 현 시점의 수질의 오염도는 식(22)와 같이 계산된다.

[초기 모델 생성 과정]

이 과정에서는 앞에서 언급했던 모델 정합 과정에서 사용되는 어류에 대한 모델을 생성하는 부분이다. 사용자와 상호작용을 통해서 영상에서 어류인 부분을 인식하고, 배경부분을 인식한 후 두 데이터를 비교분석하여 후속되는 입력 화상에서 컴퓨터로 하여금 어류와 배경을 구분할 수 있도록 어류에 대한 모델을 생성한다. 이 과정에서는 어류를 인식하기 위해 모델 정합 과정에서 사용했던 정규화된 r값을 사용한다. 그리고 그 r값 상에서 어류의 모델을 생성한다.

식(23)에서 F_i는 어류 부분의 정규화된 샘플 데이터를 말하고, B_i는 배경부분의 정규화된 샘플 데이트를 말한다. 그리고 TH_fish는 어류임을 판정하는 임계값이다. 즉 이 값이 모델 정합 과정에서 어류에 대한 모델로 사용된다.

이 값보다 큰 정규화된 r값을 가지고 있다면 그 화소는 어류에 속하는 부분이고, 아니면 배경에 속하는 부분이다. 다음은 학습하는 과정을 나타낸다.

이 부분은 사용자가 시스템의 변경이 허락된 부분을 재정의하거나 변경, 수정할 때 사용하는 부분이다. 즉, 모델정합을 위해 사용되는 모델의 값을 재정의하거나 수정하고, 수질오염 판정을 위해 사용되는 지식베이스를 재정의하거나 변경하는 등의 일을 한다.

이 부분은 수질의 오염도 판정을 위해 사용되는 퍼지(fuzzy)추론 시스템의 일부분인 지식베이스를 변경하는 기능을 한다. 앞에서도 서술한 바와 같이 지식베이스는 퍼지(fuzzy)추론에 사용되는 3부분에 인간의 지식을 제공하는 부분이다. 다시 말하면 퍼지(fuzzy)화를 어떻게 할 것인가, 어떤 규칙들을 사용할 것인가, 각 특징들의 소속함수는 어떻게 정의할 것인지 등이 기록되어 있는 일종의 데이터베이스라 할 수 있다. 본 발명에서는 퍼지(fuzzy)규칙과 각 특징들의 소속함수로 변경하는 것이 허락될 수 있다.

제6도는 이러한 결과치에 의해 퍼지추론을 하는 과정을 나타내는 프로그램이다.

먼저 입력값에 따른 각 퍼지규칙의 정합도를 계산한다(스텝 602). 그리고 이러한 정합도를 가지고 각 규칙의 결론이 어느 정도 영향을 미치는가를 결정한다(스텝 603). 각 규칙의 결론을 통하여 오염도에 대한 총괄적 결론을 생성한다(스텝 604). 선정된 퍼지추론의 결과를 외부에서 사용할 수 있는 값으로 변환한다(스텝 605). 그리고 오염도에 대한 추론결과에 의해 원수가 이상인가 아닌가 여부를 판단한다(스텝 606). 이상이면 경고신호를 송출하고(스텝 605), 이상이 아니라면 스텝 400으로 진행하여 수조의 어류를 감시하는 과정으로 되돌아간다.

이러한 본 발명은 하천, 호수, 처리장 방류수역 및 일반 상수원 등 특히 생활과 직접적인 연관성이 많은 상수원에 대해 불특정 오염원 유입에 의한 수질사고를 오염물질에 민감한 어류를 센서로 이용하여 모니터링 함으로써 사고를 미연에 방지하고 이를 통해 후처리공정 및 물 사용자에 대한 경제적, 위생적인 피해를 최소화시킬 수 있는 유용한 시스템이다.

Claims (4)

1. 어류가 담겨져 있는 수조와, 상기 수조로부터 어류의 행동을 추출하기 위한 영상획득수단과;

   모델의 정합을 위해 어류에 대한 모델을 생성하는 모델생성수단과;

   상기 영상획득수단으로부터 추출된 어류의 행동을 분석하여 어류의 각 특징정보를 추출하는 정보추출수단과;

   상기 모델생성수단에 의해 생성된 어류의 행동패턴에 따른 정보를 내장하고 있는 기억수단과;

   상기 정보추출수단으로부터 추출된 특징정보와 상기 기억수단내에 내장되어 있는 어류의 행동패턴에 따른 정보를 정합하여 정규화된 특정값을 생성하는 모델정합수단;

   모델정합수단에 의해 생성된 특정값을 추론을 하는 추론수단과;

   추론수단의 결과를 비교값으로 하는 설정수단과;

   상기 비교값과 기준값을 비교하여 오염도를 판단하는 판단수단과;

   판단수단의 결과에 의해 경고신호를 송출하는 경고수단을 포함하는 수질이상 감시시스템.
2. 제1항에 있어서, 상기 영상획득수단은, 수조로부터 어류의 행동을 영상신호로 변환하기 위한 영상수단과 변환된 영상신호를 변환하기 위한 영상신호변환수단을 포함하는 수질이상 감시시스템.
3. 제2항에 있어서, 상기 영상수단은 컬러 CCD 카메라이며, 상기 영상신호변환수단은, 상기 컬러 CCD 카메라가 획득한 아날로그로 된 영상신호를 신호처리장치가 인식할 수 있는 디지탈신호로 변환하는 역할을 수행하는 수질이상 감시시스템.
4. 정규의 어류에 의해 정규화된 모델을 생성하고, 어류가 담겨져 있는 수조로부터 어류의 행동을 영상으로 획득하고, 획득된 영상수단으로부터 어류의 행동을 분석하여 어류의 각 특징정보를 추출하여 이를 기억수단에 기억시키고, 각 특징정보와 정규화된 모델을 정합하여 정규화된 특정값을 생성하고, 정규화된 특정값을 퍼지추론을 하고, 퍼지추론된 결과를 기준값과 비교하여 오염도를 판단하고, 판단결과에 의해 경고신호를 송출하는 단계를 포함하는 수질이상 감시방법.