KR20190063188A - Method for controlling water purification using real-time image analysis - Google Patents
Method for controlling water purification using real-time image analysis Download PDFInfo
- Publication number
- KR20190063188A KR20190063188A KR1020170162092A KR20170162092A KR20190063188A KR 20190063188 A KR20190063188 A KR 20190063188A KR 1020170162092 A KR1020170162092 A KR 1020170162092A KR 20170162092 A KR20170162092 A KR 20170162092A KR 20190063188 A KR20190063188 A KR 20190063188A
- Authority
- KR
- South Korea
- Prior art keywords
- image
- flock
- histogram
- information
- water
- Prior art date
Links
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 96
- 238000000034 method Methods 0.000 title claims abstract description 93
- 238000000746 purification Methods 0.000 title claims abstract description 22
- 238000010191 image analysis Methods 0.000 title abstract description 9
- 239000000701 coagulant Substances 0.000 claims abstract description 36
- 238000002347 injection Methods 0.000 claims abstract description 23
- 239000007924 injection Substances 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000009826 distribution Methods 0.000 claims abstract description 21
- 244000144992 flock Species 0.000 claims description 48
- 230000008569 process Effects 0.000 claims description 45
- 238000002156 mixing Methods 0.000 claims description 17
- 238000006243 chemical reaction Methods 0.000 claims description 13
- 238000005345 coagulation Methods 0.000 claims description 11
- 230000015271 coagulation Effects 0.000 claims description 11
- 238000009499 grossing Methods 0.000 claims description 10
- 238000013507 mapping Methods 0.000 claims description 8
- 238000003756 stirring Methods 0.000 claims description 6
- 238000004088 simulation Methods 0.000 claims description 4
- 230000001131 transforming effect Effects 0.000 claims description 3
- 239000010802 sludge Substances 0.000 abstract description 10
- 239000000126 substance Substances 0.000 abstract description 7
- 238000005189 flocculation Methods 0.000 abstract description 5
- 230000016615 flocculation Effects 0.000 abstract description 5
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 7
- 238000004062 sedimentation Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 6
- 230000002776 aggregation Effects 0.000 description 5
- 239000003814 drug Substances 0.000 description 4
- 229940079593 drug Drugs 0.000 description 4
- 239000010865 sewage Substances 0.000 description 4
- 238000004220 aggregation Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 3
- 239000003651 drinking water Substances 0.000 description 3
- 235000020188 drinking water Nutrition 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000001556 precipitation Methods 0.000 description 3
- 238000003672 processing method Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000000844 transformation Methods 0.000 description 3
- 238000009827 uniform distribution Methods 0.000 description 3
- 238000005054 agglomeration Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000011109 contamination Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000003139 buffering effect Effects 0.000 description 1
- 230000001112 coagulating effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000018044 dehydration Effects 0.000 description 1
- 238000006297 dehydration reaction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000706 filtrate Substances 0.000 description 1
- 230000003311 flocculating effect Effects 0.000 description 1
- 238000001802 infusion Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000011068 loading method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001376 precipitating effect Effects 0.000 description 1
- 238000004886 process control Methods 0.000 description 1
- 238000007873 sieving Methods 0.000 description 1
- 238000004659 sterilization and disinfection Methods 0.000 description 1
Images
Classifications
-
- C—CHEMISTRY; METALLURGY
- C02—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F—TREATMENT OF WATER, WASTE WATER, SEWAGE, OR SLUDGE
- C02F1/00—Treatment of water, waste water, or sewage
- C02F1/52—Treatment of water, waste water, or sewage by flocculation or precipitation of suspended impurities
- C02F1/5209—Regulation methods for flocculation or precipitation
-
- G06T5/002—
-
- G06T5/003—
-
- G06T5/007—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/90—Dynamic range modification of images or parts thereof
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Hydrology & Water Resources (AREA)
- Environmental & Geological Engineering (AREA)
- Water Supply & Treatment (AREA)
- Chemical & Material Sciences (AREA)
- Organic Chemistry (AREA)
- Separation Of Suspended Particles By Flocculating Agents (AREA)
Abstract
Description
본 발명은 정수장의 정수 과정을 제어하는 기술에 관한 것으로, 특히 원수에 포함된 이물질의 오염 정도에 따라 적절한 수준의 정수 처리를 수행하는 제어 장치, 방법 및 그 방법을 기록한 기록매체에 관한 것이다.The present invention relates to a technique for controlling the purification process of a water purification plant, and more particularly, to a control apparatus and method for performing water treatment at an appropriate level according to the degree of contamination of foreign matter contained in raw water, and a recording medium on which the method is recorded.
인간에게 물은 생명을 유지하는데 필수적인 요소로서 우리나라 국민의 1일 평균 물 소비량은 396리터이며, 먹는 물은 평균 2리터 정도로 파악된다. 이를 위해 물을 생산하는 상수도시설은 수자원공사가 관리하는 광역상수도와 지방자치단체가 관리하는 지방상수도로 구분되며, 전국적으로 522개의 정수장이 운영되고 있다.To human beings, water is an essential element in maintaining life, and the average daily water consumption of Korean people is 396 liters, and drinking water is an average of 2 liters. For this purpose, the water supply facilities that produce water are divided into the waterworks management by the Water Resources Corporation and the local waterworks that are managed by the local governments. There are 522 water treatment plants nationwide.
가정이나 공장 등에서 버려지는 하수는 하수처리장으로 보내진 후 처리된다. 하수 처리 과정은 정수 과정과 슬러지 처리 과정을 포함하는데, 정수 과정에서는 하수가 하천의 자정작용이 발동될 수 있는 범위까지 정화된 후 하천과 같은 공공수역으로 방류되고, 슬러지 처리 과정에서는 정수 과정에서 발생하는 슬러지가 농축, 탈수와 같은 과정을 거쳐 처리된다. 농축될 슬러지나 탈수될 슬러지에는 일반적으로 응집제가 혼합된다. 슬러지에 응집제가 혼합되면 슬러지에 플록(floc)이 생성되고, 이 플록은 여액보다 비중이 커서 아래로 가라앉게 된다. Sewage that is thrown away at home or factory is sent to the sewage treatment plant and processed. The sewage treatment process includes a purification process and a sludge treatment process. In the purification process, the sewage is purified to a range where the self-purification of the river can be activated and discharged to a public water such as a river. In the sludge treatment process, The sludge is treated through processes such as concentration and dehydration. The sludge to be concentrated or the sludge to be dewatered is generally mixed with the flocculant. When the flocculant is mixed with the sludge, floc is formed in the sludge, and the flocculus is lower than the filtrate and sinks downward.
수처리 공정에서 원수에 포함된 이물질을 플록 형태로 고형화하는 과정은 중요하다. 특히 원수에 제공되는 응집제의 양이 원수에 포함된 이물질 대비 부족할 경우, 플록이 원활하게 형성되지 않고 이로 인해 원수로부터 이물질이 완전히 제거되지 않아 식용수로 음용하기 어렵다. 또한, 원수에 제공되는 응집제의 양이 이물질 대비 많을 경우 응집제가 원수에 남게 되어 역시 식용수로 사용하기 곤란하다. 따라서 원수 내에서 플록이 형성되는 정도에 따라 원수에 제공되는 응집제의 양이 적절하게 제어될 필요가 있다.It is important to solidify the foreign substances contained in the raw water in the floc form in the water treatment process. In particular, when the amount of coagulant supplied to the raw water is insufficient compared to the foreign substances contained in the raw water, the flocs are not formed smoothly, and the foreign matter is not completely removed from the raw water, so that it is difficult to drink with drinking water. Further, when the amount of coagulant supplied to the raw water is larger than the amount of the foreign material, the coagulant remains in the raw water, so that it is difficult to use it as drinking water. Therefore, the amount of coagulant supplied to the raw water needs to be appropriately controlled depending on the degree of formation of the flocs in the raw water.
플록의 형성 정도를 파악하고 그에 따른 응집 과정 제어를 위해 실제 정수 시설이 운용되는 현장에서는 '쟈 테스트(jar-test)'를 사용하고 있으며, 이하에서 제시되는 선행기술문헌에는 이에 관한 개요가 소개되어 있다.In order to grasp the degree of formation of flocs and to control the agglomeration process accordingly, 'jar-test' is used in the field where actual water purification facilities are operated. In the prior art documents presented below, an overview thereof is introduced have.
본 발명이 해결하고자 하는 기술적 과제는, 종래의 정수 처리 현장에서 효율적인 응집 및 침전을 위해 응집제의 투입량을 결정하기 위해 사용되던 실험적 결정 방식이 비록 정수 처리 공정을 모사하고 있음에도 불구하고 실제 이를 통해 선정된 혼화 조건이 정수 처리 현장보다 좋은 혼화효율을 나타내는 문제를 해결하고, 그로 인해 발생하는 실제와 실험간의 괴리 및 부적절한 제어 방식을 극복하고자 한다.SUMMARY OF THE INVENTION The object of the present invention is to provide an experimental method for determining the amount of coagulant introduced into a water treatment plant for efficient flocculation and sedimentation in a conventional water treatment field, The purpose of this study is to solve the problem that the mixing condition shows better mixing efficiency than the water treatment site, and to overcome the disagreement between the actual experiment and the experiment and the improper control method.
상기 기술적 과제를 해결하기 위하여, 본 발명의 일 실시예에 따른 정수 처리 제어 방법은, 정수장의 응집지에서 실시간으로 촬영한 수중 영상을 입력받는 단계; 입력된 수중 영상을 영상 처리하여 플록(floc) 정보를 획득하는 단계; 및 수중 영상의 분해능(resolution) 정보에 기초하여 상기 플록 정보로부터 플록의 크기, 밀도 및 분포를 분석함으로써 응집제 주입을 위한 판단 기준을 제공하는 단계를 포함한다.According to an aspect of the present invention, there is provided a method for controlling a water purification process, the method comprising: receiving an underwater image captured in real time at a cohesive site of a water purification plant; Processing the input underwater image to acquire floc information; And providing a determination criterion for coagulant infusion by analyzing the size, density and distribution of the floc from the floc information based on resolution information of the underwater image.
일 실시예에 따른 정수 처리 제어 방법에서, 상기 플록 정보를 획득하는 단계는, 입력된 영상으로부터 그레이 스케일(gray scale) 변환을 통해 흑백 영상을 생성하는 단계; 생성된 상기 흑백 영상에 대하여 리버스(reverse) 연산 및 스퀘어(square) 연산을 통해 영상을 변환하는 단계; 밝기(brightness), 대비(contrast) 및 감마(gamma) 값 중 적어도 하나를 미리 설정된 크기만큼 변화시켜 영상 내에서 배경에 대한 플록의 식별도를 증가시키는 단계; 샤프닝(sharpening) 연산을 통해 영상 내의 플록과 배경의 경계를 강조하는 단계; 스무딩(smoothing) 연산을 통해 샤프닝 연산 과정에서 영상 내에 발생한 격자무늬를 제거하는 단계; 및 이진화(binary) 연산을 통해 영상 내의 플록을 검출하여 해당 플록의 위치와 크기 정보를 저장하는 단계를 포함할 수 있다.In the method for controlling an integer process according to an exemplary embodiment, the step of acquiring the flock information may include: generating a monochrome image through gray scale conversion from an input image; Transforming the image by performing a reverse operation and a square operation on the generated monochrome image; Changing at least one of brightness, contrast, and gamma values by a predetermined magnitude to increase the degree of discrimination of the flock with respect to the background in the image; Highlighting the boundary between the flock and the background in the image through a sharpening operation; Removing a grid pattern generated in an image during a sharpening operation through a smoothing operation; And detecting a flock in the image through a binary operation and storing the position and size information of the flock.
일 실시예에 따른 정수 처리 제어 방법에서, 상기 흑백 영상을 생성하는 단계는, 그레이 스케일 변환된 영상에 대해 히스토그램(histogram)을 이용하여 명도 값의 빈도수를 산출하고, 산출된 빈도수를 이용하여 축적 히스토그램 값을 구해 정규화시며, 정규화된 축적 히스토그램을 그레이 스케일 사상 함수를 이용하여 그레이 레벨 값을 맵핑(mapping)함으로써 히스토그램을 평활화할 수 있다.In the water treatment control method according to an exemplary embodiment, the step of generating the monochrome image may include calculating a frequency of the brightness value using a histogram for the gray-scale-converted image and outputting the accumulated histogram Values are normalized and the histogram can be smoothed by mapping the normalized accumulated histogram to gray level values using a gray scale mapping function.
일 실시예에 따른 정수 처리 제어 방법에서, 상기 이진화 연산은, 영상의 히스토그램 중 2개의 피크(peak)가 나타나는 서로 다른 명도 값의 중간 값을 이진화의 임계값으로 선택할 수 있다.In the water treatment control method according to an exemplary embodiment, the binarization operation may select a median value of binarization values of two different brightness values in which two peaks of an image histogram appear, as a binarization threshold value.
일 실시예에 따른 정수 처리 제어 방법에서, 상기 플록 정보를 획득하는 단계는, 미세 객체(small object) 제거 연산을 통해 이진화 연산 후 영상 내에 존재하는 기준값 미만의 미세 플록을 삭제하는 단계를 더 포함할 수 있다.In the method of controlling an integer process according to an embodiment, the step of acquiring the flock information may further include deleting a micro flock less than a reference value existing in the image after the binarization operation by a small object removal operation .
일 실시예에 따른 정수 처리 제어 방법에서, 상기 플록 정보는, 플록별 좌표 중심, 둘레, 장축 및 단축의 길이, 면적, 가로 방향 좌표값 및 세로 방향 좌표값을 포함할 수 있다.In the water treatment control method according to an exemplary embodiment, the flock information may include a flock-specific coordinate center, a circumference, a length of a major axis and a minor axis, an area, a lateral coordinate value, and a longitudinal coordinate value.
일 실시예에 따른 정수 처리 제어 방법에서, 상기 응집제 주입을 위한 판단 기준을 제공하는 단계는, 수중 영상의 분해능(resolution) 정보에 기초하여 전체 영상에 대한 픽셀 영역 내에서 픽셀값이 존재하는 영역을 플록으로 계수함으로써 플록의 크기, 밀도 및 분포를 산출하는 단계; 및 산출된 플록의 크기, 밀도 및 분포로부터 수질의 상태를 나타내는 상태 지표를 도출하는 단계를 포함할 수 있다.In the water treatment control method according to an exemplary embodiment, the step of providing a determination criterion for injecting the coagulant may include the step of determining a region where a pixel value exists in the pixel region for the entire image based on the resolution information of the underwater image Calculating floc size, density and distribution by counting with flocs; And deriving a state index indicative of the state of the water quality from the size, density and distribution of the calculated floc.
일 실시예에 따른 정수 처리 제어 방법에서, 상기 수중 영상의 분해능 정보는, 수중 영상이 촬영된 FOV(field of view)를 카메라의 해상도로 제산한 값으로부터 산출될 수 있다.In the water treatment control method according to the embodiment, the resolution information of the underwater image can be calculated from the value obtained by dividing the FOV (field of view) of the underwater image taken by the resolution of the camera.
일 실시예에 따른 정수 처리 제어 방법은, 정수 처리 공정에 대한 시뮬레이션을 통해 플록의 크기 및 밀도에 따른 혼화 및 응집 조건들을 미리 저장하는 단계; 상기 미리 저장된 조건들을 참조하여 상기 응집제 주입을 위한 판단 기준에 대응하는 제어 신호를 생성하는 단계; 및 생성된 상기 제어 신호에 따라 응집제 주입량과 혼화기의 교반 속도를 제어함으로써 플록을 성장시키는 단계를 더 포함할 수 있다.The water treatment control method according to an exemplary embodiment of the present invention includes the steps of: preliminarily storing mixing and flocculating conditions according to flock size and density through simulation for a water treatment process; Generating a control signal corresponding to a determination criterion for the coagulant injection with reference to the pre-stored conditions; And controlling the mixing amount of the coagulant and the stirring speed of the mixer according to the control signal.
한편, 이하에서는 상기 기재된 정수 처리 제어 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체를 제공한다.On the other hand, a computer-readable recording medium on which a program for causing the computer to execute the above-described water treatment control method described above is recorded.
본 발명의 실시예들은, 응집지로부터 직접 실시간 수중 영상을 획득하여 이를 영상 처리 및 분석을 통해 플록 정보를 추출함으로써, 종래의 정수 처리 공정의 모사 내지 복잡한 기구 설치 없이도 정수장의 응집지 현장에 요구되는 응집제의 적절하고 정확한 주입량을 산출할 수 있으며, 결과적으로 정수 처리 시설에서 약품 투입비를 절감할 수 있을 뿐만 아니라 슬러지 발생량을 최소화할 수 있다.Embodiments of the present invention provide a method and apparatus for acquiring a flock information by directly acquiring a real-time underwater image directly from a cohesive paper and extracting the flock information through image processing and analysis thereof, It is possible to calculate an appropriate and accurate injection amount of the flocculant and consequently to reduce the amount of the medicines to be inputted into the water treatment facility and to minimize the amount of sludge generated.
도 1은 정수장의 응집지에 유입되는 원수와 플록을 예시한 도면이다.
도 2는 본 발명의 실시예들이 제안하는 카메라가 설치된 정수장의 응집지와 응집제 투입 제어에 관한 도면이다.
도 3은 본 발명의 일 실시예에 따른 실시간 영상 분석을 이용한 정수 처리 제어 방법을 도시한 흐름도이다.
도 4는 본 발명의 일 실시예에 따른 도 3의 정수 처리 제어 방법에서 영상 처리 과정을 보다 구체적으로 도시한 흐름도이다.
도 5 내지 도 12는 일련의 영상 처리 과정에 따라 각각의 변환 및 처리 결과를 예시한 도면이다.
도 13은 본 발명의 일 실시예에 따른 도 3의 정수 처리 제어 방법에 연속하여 응집지의 조절 수단을 제어하는 방법을 도시한 흐름도이다.
도 14는 본 발명의 일 실시예에 따른 실시간 영상 분석을 이용한 정수 처리 제어 장치를 도시한 블록도이다.Fig. 1 is a diagram illustrating raw water and flocs introduced into a coagulating paper of a water treatment plant.
FIG. 2 is a view of a coagulant and a coagulant injection control of a water purification plant installed with a camera proposed by embodiments of the present invention.
FIG. 3 is a flowchart illustrating a method for controlling a water purification process using real-time image analysis according to an embodiment of the present invention.
4 is a flowchart illustrating an image processing process in the integer process control method of FIG. 3 according to an exemplary embodiment of the present invention.
FIGS. 5 to 12 are diagrams illustrating respective transformations and processing results according to a series of image processing steps.
FIG. 13 is a flowchart showing a method of controlling the adjusting means of the aggregated paper in succession to the water treatment control method of FIG. 3 according to an embodiment of the present invention.
FIG. 14 is a block diagram illustrating an apparatus for controlling a water purification process using real-time image analysis according to an embodiment of the present invention.
본 발명의 실시예들을 설명하기에 앞서, 본 발명의 실시예들이 활용되는 구현 환경에서 나타나는 종래 기술의 문제점을 살펴본 후 이를 해소하기 위해 안출된 아이디어와 기술적 수단을 개괄적으로 소개한 후 구체적인 구성 요소들을 순차적으로 기술하도록 한다.Before describing the embodiments of the present invention, it is to be understood that the present invention is not limited to the above-described embodiments, but various changes and modifications may be made without departing from the spirit and scope of the invention. Describe them sequentially.
통상적인 정수 처리 공정은 혼화, 응집, 침전, 여과 및 소독공정으로 이루어진다. Conventional water treatment processes consist of mixing, coagulation, sedimentation, filtration and disinfection processes.
응집이란 약품을 주입해 물속의 아주 작은 콜로이드상 물질을 서로 뭉치게 해 크게 만든 다음 후속되는 침전이나 여과공정에서 제거되도록 하는 공정이다. 이는 정수장에서 가장 중요한 공정의 하나이며 혼화 공정과 플록 형성 공정으로 나뉜다.Agglomeration is the process of injecting chemicals to aggregate tiny colloidal substances in water to make them larger and then to be removed in subsequent precipitation or filtration processes. It is one of the most important processes in water treatment plant and is divided into mixing process and floc forming process.
혼화 공정은 원수의 오염 물질과 응집제를 서로 반응시켜 침전성이 양호한 플록을 생성하는 것을 목적으로 하며, 플록 형성 공정은 혼화로 생성된 미소 플록을 크고 무거운 플록으로 성정시켜 다음 공정인 침전지에서 원활히 침강 제거하는 것을 목적으로 한다. 도 1을 참조하면, 정수장의 응집지에 유입되는 원수(A)와 플록(B)을 예시한 이미지를 확인할 수 있다.In the mixing process, the contamination of the raw water and the coagulant are reacted with each other to produce floc having good sedimentation property. In the floc formation process, the micro flocs generated by mixing are formed into a large and heavy floc, The purpose is to remove. Referring to FIG. 1, an image illustrating raw water A and flock B flowing into a coagulant of a water purification plant can be confirmed.
침전 공정은 플록이나 현탁 물질을 가장 효과적으로 침전/제거시켜서 후속 공정인 여과지의 부담을 경감시킬 목적으로 운영되며, 침전, 완충 및 슬러지 제거의 3가지 기능을 가지고 있다.The sedimentation process is operated with the aim of reducing the burden of the filter paper, which is the subsequent process by most effectively precipitating / removing flocs or suspended substances, and has three functions: sedimentation, buffering and sludge removal.
여과지는 약품으로 응집된 현탁 물질이 비교적 빠른 속도로 입상층을 통과해 여재에 부착되거나 여층에서 체 거름 작용에 의해 제거될 수 있도록 한다. 여과지 진단은 입자성 물질을 제거하는 최종단계로서의 여과지 기능이 올바르게 작동하고 있는가를 판단하는데 목적이 있다. 여과 공정은 전처리의 혼화 응집 침전 공정 등 여러 공정과 연계돼 타 운전 요소의 영향을 받게 되며, 타 공정에 비해 다양한 수리적 제어 방법과 직접 조사가 불가능한 부분 등 구조적인 조건이 미치는 영향이 적지 않기 때문에, 다양한 측면에서 세심한 조사가 필요하고 조사 결과의 평가와 판정에 서도 엄밀함과 균형감이 요구된다.The filter paper allows the suspended material agglomerated with the drug to pass through the granular layer at a relatively high speed to be adhered to the filter media or to be removed from the filter layer by sieving action. The purpose of the filter paper diagnosis is to judge whether the function of the filter paper as a final step to remove particulate matter is working properly. Since the filtration process is influenced by other operating factors in connection with the various processes such as the coagulation sedimentation process of the pretreatment and the structural conditions such as various hydrometric control methods and the parts which can not be directly irradiated compared to other processes, Careful investigation is necessary in various aspects and rigor and balance are required in evaluation and judgment of survey results.
이중에서도 특히 플록이 형성되는 혼화 응집 공정은 후속 공정인 침전 효율에 큰 영향을 미쳐서 가장 주요한 위치를 차지한다. 침전성이 탁월한 플록을 형성하기 위해서는 원수 특성에 맞는 응집제의 선정과 적정 주입량 주입, 급속 교반 속도 및 희석 주입 방법과 같은 응집제 주입 방식의 최적화가 필요하다.In particular, the flocculation coagulation process, in which flocs are formed, has the greatest influence on the subsequent precipitation efficiency. In order to form floc with excellent sedimentation property, it is necessary to select the coagulant suitable for the raw water characteristics and to optimize the coagulant injection method such as proper injection amount, rapid stirring speed and dilution injection method.
효율적인 응집, 침전을 위해서는 어느 정도의 어떠한 약품을 어떤 pH 영역에서 가하면 되는지 결정해야 하는데, 이를 위한 실험적 결정 방법이 바로 쟈 테스트(Jar-test)이다.For effective flocculation and precipitation, it is necessary to decide what pH range of which drug should be applied. For this, an experimental determination method is Jar-test.
쟈 테스트는 실제 규모의 정수 처리 공정을 모사하여 혼화 및 응집 조건을 빠르고 경제적으로 결정할 수 있는 장점으로 널리 사용되었으나, 쟈 테스트를 통해 선정된 혼화 조건은 현장보다 좋은 혼화효율이 발생하여 실제 현장 상황을 반영하지 못한다는 점이 약점으로 지적되었다.The jat test was widely used as an advantage of quickly and economically determining the mixing and coagulation conditions by simulating the actual scale of the water treatment process. However, the mixing condition selected through the jatting process has a better blending efficiency than the field, But it is pointed out that it can not reflect.
따라서, 이하에서 제시되는 본 발명의 실시예들은 쟈 테스트와 같이 정수장의 응집지 내의 혼탁도 내지 오염도를 실시간으로 반영하지 못하는 한계에서 벗어나 직접 응집지의 수중 상태를 지속적으로 모니터링하면서, 모니터링된 수중 영상으로부터 플록의 상태 정도를 분석함으로써 빠르고 정확한 정수 처리 제어를 도모하고자 한다.Therefore, the embodiments of the present invention described below can be applied to a method of monitoring the underwater condition of a cohesive paper directly from a monitored underwater image while being out of the limit of not reflecting the turbidity degree or pollution degree in the cohesive paper of the water treatment plant in real- By analyzing the state of the flocs, we aim to achieve quick and accurate water treatment control.
이하에서는 도면을 참조하여 본 발명의 실시예들을 구체적으로 설명하도록 한다. 다만, 하기의 설명 및 첨부된 도면에서 본 발명의 요지를 흐릴 수 있는 공지 기능 또는 구성에 대한 상세한 설명은 생략한다. 덧붙여, 명세서 전체에서, 어떤 구성 요소를 '포함'한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라, 다른 구성요소를 더 포함할 수 있는 것을 의미한다.Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings. In the following description and the accompanying drawings, detailed description of well-known functions or constructions that may obscure the subject matter of the present invention will be omitted. Incidentally, throughout the specification, " including " means not including other elements unless specifically stated to the contrary, it may include other elements.
본 발명에서 사용한 용어는 단지 특정한 실시예를 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 출원에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.The terminology used herein is for the purpose of describing particular embodiments only and is not intended to be limiting of the invention. The singular expressions include plural expressions unless the context clearly dictates otherwise. In the present application, the terms "comprise", "having", and the like are intended to specify the presence of stated features, integers, steps, operations, elements, components, or combinations thereof, , Steps, operations, components, parts, or combinations thereof, as a matter of principle.
특별히 다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미이다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미인 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.Unless defined otherwise, all terms used herein, including technical or scientific terms, have the same meaning as commonly understood by one of ordinary skill in the art to which this invention belongs. Terms such as those defined in commonly used dictionaries should be construed as meaning consistent with meaning in the context of the relevant art and are not to be construed as ideal or overly formal in meaning unless expressly defined in the present application .
도 2는 본 발명의 실시예들이 제안하는 카메라가 설치된 정수장의 응집지와 응집제 투입 제어에 관한 도면이다.FIG. 2 is a view of a coagulant and a coagulant injection control of a water purification plant installed with a camera proposed by embodiments of the present invention.
앞서 간략히 소개한 바와 같이, 본 발명의 실시예들은 응집 반응이 일어나서 형성된 플록을 파괴하지 않고 실시간으로 모니터링하여 플록의 크기, 사이즈별 분포도를 측정하는 장치를 제안하고 있다. 이를 위해, 본 발명의 실시예들은 정수 시설의 응집지(10)에서 수중의 플록을 실시간으로 촬영하는 수중 촬영 장치/카메라(11)를 구비한다.As has been briefly described above, embodiments of the present invention propose a device for measuring floc size and distribution by size in real-time monitoring without destroying flocs formed by aggregation reaction. To this end, embodiments of the present invention include an underwater photographing apparatus /
이렇게 측정된 플록을 기반으로 영상 이미지 분석을 실시하여 플록의 크기, 밀도 및 크기별 분포도를 세분화함으로써, 현장에서 실시간으로 확인된 플록을 기반으로 응집제 주입량을 최적화하게 된다. 따라서, 응집지(10)에서는 결정된 응집제 주입량에 따라 응집제 투입 밸브(13)를 제어함으로써 최적의 응집 반응을 유도할 수 있다. By analyzing the image based on the measured flocs, it is possible to optimize the amount of flocculant injected based on the flocs confirmed in real time in the field by subdividing the floc size, density and size distribution. Therefore, in the
따라서, 본 발명의 실시예들은 플록을 응집지(10)에서 실시간으로 촬영하는 수중 촬영 장치/카메라(11), 측정된 플록 영상을 분석하는 이미지 처리 장치(미도시), 플록의 특성을 규명하는 제어 기술과 이를 기반으로 약품 주입을 제어하는 제어 수단/응집제 투입 밸브(13)를 포함하는 융합 시스템을 제안한다.Accordingly, embodiments of the present invention provide an underwater photographing apparatus /
도 3은 본 발명의 일 실시예에 따른 실시간 영상 분석을 이용한 정수 처리 제어 방법을 도시한 흐름도이다.FIG. 3 is a flowchart illustrating a method for controlling a water purification process using real-time image analysis according to an embodiment of the present invention.
S100 단계에서, 정수장의 응집지에서 실시간으로 촬영한 수중 영상을 입력받는다. 앞서 도 2를 통해 소개한 바와 같이 본 발명의 실시예들에서는 카메라와 조명등으로 구성된 촬영 장치 조립체/하우징이 응집지의 물속으로 직접 침투하여 물속에 포함된 플록을 검출하는 것이다. 촬영 장치 조립체가 깊고 어두운 물속으로 직접 침투하게 되면 태양빛이 적게 들어오게 된다. 태양빛이 적게 들어오면 배경은 어둡게 되고 어두운 배경에서는 플록의 검출이 어렵기 때문에 촬영 장치 조립체에 조명을 함께 구성하여 물속에 있는 플록을 비춰주는 역할을 수행하는 것이 바람직하다. 조명은 특정 파장(예를 들어, 붉은색)을 갖는 레이저 조명으로 구성될 수 ㅇ있. 또한 수면과 가까운 물속은 햇빛이 일정부분 투과되기 때문에 밝게 보일 수 있으나, 햇빛보다 강한 광원을 물속에서 조사하면 햇빛이 광원에 의해 상쇄되어서 ㅍ플록을 검출하는데 보다 용이하다. 요약하건대, S100 단계를 통해 입력된 상기 수중 영상은, 상기 응집지의 수중에서 자연광을 상쇄하기 위해 미리 설정된 파장의 레이저 조명의 조사를 통해 촬영될 수 있다.In step S100, an underwater image photographed in real time at the cohesive site of the water purification plant is inputted. As shown in FIG. 2, in the embodiments of the present invention, the photographing apparatus assembly / housing composed of a camera and an illumination lamp directly penetrates into the water of the cohesive paper to detect flocs included in the water. When the photographic apparatus assembly directly penetrates deep and dark water, less sunlight comes in. It is desirable that the background is darkened when the sunlight is low, and the flock is difficult to detect on the dark background, so it is desirable to configure the illumination device together to illuminate the flocks in the water. The illumination can be composed of laser lights having a specific wavelength (for example, red). In addition, water near the surface of the water may appear bright because the sunlight penetrates a certain portion. However, if a light source stronger than the sunlight is irradiated in the water, sunlight is canceled by the light source, and it is easier to detect the flock. In summary, the submerged image input through the step S100 may be photographed through irradiation of laser light of a predetermined wavelength to cancel natural light in the water of the aggregated paper.
S200 단계에서, S100 단계를 통해 입력된 수중 영상을 영상 처리하여 플록(floc) 정보를 획득한다. 수중 영상 내에는 크게 물과 플록이 혼재되어 존재하며, 전체 영역 내에서 플록만을 자동화된 계수 방식으로 집계하기 위해 영상 자체를 플록 인식에 적합한 형태로 전처리하는 과정이 요구된다. 통상적으로 자동화된 영상 처리 방식에 활용될 수 있는 다양한 영상 처리 기술이 존재하나, 본 발명의 실시예들에서는 물과 플록 영상의 특성 및 영상이 촬영되는 환경을 고려하여 플록 정보를 추출하기에 가장 적합한 영상 처리 방식을 도출하였다. 따라서, S200 단계에서는 영상 처리의 결과로서 영상의 전체 영역 내에 존재하는 플록 정보를 획득하여 저장한다. 보다 구체적인 영상 처리 방식은 이후 도 4를 통해 설명하도록 한다.In step S200, the underwater image input through step S100 is subjected to image processing to obtain floc information. In the underwater image, water and floc are present in a mixed state. In order to aggregate only floc in the whole area in an automated counting method, a process of preprocessing the image itself into a form suitable for floc recognition is required. There are various image processing techniques that can be used for an automated image processing method. However, in the embodiments of the present invention, it is most suitable to extract the flock information in consideration of the characteristics of the water and the flock image, Image processing method is derived. Accordingly, in step S200, the flock information existing in the entire area of the image is acquired and stored as a result of the image processing. A more specific image processing method will be described later with reference to FIG.
S300 단계에서, 수중 영상의 분해능(resolution) 정보에 기초하여 상기 플록 정보로부터 플록의 크기, 밀도 및 분포를 분석함으로써 응집제 주입을 위한 판단 기준을 제공한다. 이 과정에서는, 수중 영상의 분해능(resolution) 정보에 기초하여 전체 영상에 대한 픽셀 영역 내에서 픽셀값이 존재하는 영역을 플록으로 계수함으로써 플록의 크기, 밀도 및 분포를 산출한다. 여기서, 상기 수중 영상의 분해능 정보는, 수중 영상이 촬영된 FOV(field of view)를 카메라의 해상도로 제산한 값으로부터 산출될 수 있다. 그런 다음, 앞서 산출된 플록의 크기, 밀도 및 분포로부터 수질의 상태를 나타내는 상태 지표를 도출한다.In step S300, a determination criterion for the coagulant injection is provided by analyzing the size, density, and distribution of the floc from the floc information based on the resolution information of the underwater image. In this process, the size, density, and distribution of the flocs are calculated by counting the region where the pixel value exists in the pixel region for the entire image with the floc based on the resolution information of the underwater image. Here, the resolution information of the underwater image can be calculated from the value obtained by dividing the FOV (field of view) in which the underwater image is captured by the resolution of the camera. Then, a state index indicating the state of the water quality is derived from the size, density and distribution of the previously calculated flocs.
예를 들어, 본 발명의 실시예들을 구현한 프로토타입(prototype)에서 사용된 카메라의 FOV는 90×70mm이고, 분해능(Resolution)은 다음의 수학식 1에 의해 산출될 수 있다.For example, the FOV of the camera used in the prototype implementing the embodiments of the present invention is 90 x 70 mm, and the resolution can be calculated by the following equation (1).
수학식 1에 따른 계산 결과, 프로토타입의 경우 분해능은 90×70 / 1280×1024 = 6300 / 1310720 = 0.0048 (mm/pixel)로 산출된다. 구현된 프로토타입에서 하나의 픽셀의 크기는 4.8um이고, 플록 영상정보 처리 결과 얻은 정보를 보면 가장 큰 플록의 크기는 4.6mm이었고, 플록의 평균 크기는 1.2mm였다. 하나의 영상에 표현되는 플록의 개수는 300~400개이다.As a result of the calculation according to
따라서, S300 단계에서는, 이러한 분해능 정보를 이용하여 영상 내에 포함된 플록의 크기, 밀도 및 분포를 수치화하여 산출할 수 있으며, 이렇게 산출된 수치는 이후 응집제 주입을 위한 판단의 근거로서 활용된다.Accordingly, in step S300, the size, density, and distribution of the flocs contained in the image can be calculated by using the resolution information, and the calculated values are used as a basis for determining the coagulant injection.
도 4는 본 발명의 일 실시예에 따른 도 3의 정수 처리 제어 방법에서 영상 처리 과정(S200)을 보다 구체적으로 도시한 흐름도이다.FIG. 4 is a flowchart illustrating an image processing procedure (S200) in the integer processing control method of FIG. 3 according to an exemplary embodiment of the present invention.
S210 단계에서, 입력된 영상으로부터 그레이 스케일(gray scale) 변환을 통해 흑백 영상을 생성한다. 그레이 스케일 영상이란 색상 정보 없이 오직 밝기 정보만으로 구성된 영상을 의미하며 흑백 사진처럼 검정색, 회색, 흰색으로 구성되어 있다. 그레이 스케일 영상에서 하나의 픽셀은 '0'부터 '255' 사이의 정수값을 가질 수 있다. 이는 하나의 픽셀을 표현하기 위하여 컴퓨터에서 1 바이트 메모리 공간을 사용하기 때문이다. 픽셀값이 '0'이면 검정색을 나타내는 것이고, '255'이면 흰색을 나타낸다. 그 중간의 값은 검정색과 흰색 사이의 회색을 나타낸다.In step S210, a monochrome image is generated from the inputted image through gray scale conversion. A gray scale image means an image composed of only brightness information without color information, and is composed of black, gray and white as black and white photographs. In a gray scale image, one pixel may have an integer value between '0' and '255'. This is because the computer uses one byte of memory space to represent one pixel. If the pixel value is '0', it indicates black color, and if it is '255', it indicates white. The middle value indicates the gray between black and white.
S210 단계에서는, 변환된 그레이 스케일 이미지를 히스토그램(histogram)에 표현하는 것이 바람직하다. 히스토그램은 영상 내에서 픽셀들에 대한 명암 값의 분포를 나타낸 것으로, 하나의 영상에서 밝은 점과 어두운 점이 분포하는 경우 그 분포의 범위와 값을 표현한 것이다. 이를 히스토그램 그래프로 표현할 수 있으며, 막대 그래프로 표현되는 히스토그램 그래프의 경우 256-Gray-Level 영상에서 명암 값의 범위는 0~255 값을 가지고 있으며 각 명암 값의 빈도수를 조사하여 그래프의 높이로 나타낸다.In step S210, it is preferable that the converted gray-scale image is represented in a histogram. The histogram shows the distribution of intensity values for the pixels in the image. If the bright point and the dark point are distributed in one image, the histogram represents the range and value of the distribution. In the case of a histogram graph represented by a bar graph, the range of brightness values in the 256-gray-level image has a value ranging from 0 to 255, and the frequency of each brightness value is examined to show the height of the graph.
S220 단계에서, S210 단계를 통해 생성된 상기 흑백 영상에 대하여 리버스(reverse) 연산 및 스퀘어(square) 연산을 통해 영상을 변환한다. 이 과정은 이후 연속하는 S230 단계를 통해 BCG 변환 연산을 보다 용이하게 처리하기 위함이다.In step S220, the image is transformed through a reverse operation and a square operation on the monochrome image generated in step S210. This process is to process the BCG conversion operation more easily through the subsequent step S230.
S230 단계에서, 밝기(brightness), 대비(contrast) 및 감마(gamma) 값 중 적어도 하나를 미리 설정된 크기만큼 변화(BCG 변환 연산)시켜 영상 내에서 배경에 대한 플록의 식별도를 증가시킨다.In step S230, at least one of brightness, contrast, and gamma values is changed by a predetermined amount (BCG conversion operation) to increase the degree of discrimination of the flock with respect to the background in the image.
S240 단계에서, 샤프닝(sharpening) 연산을 통해 영상 내의 플록과 배경의 경계를 강조하고, S250 단계에서, 스무딩(smoothing) 연산을 통해 샤프닝 연산 과정에서 영상 내에 발생한 격자무늬를 제거한다. 왜냐하면, 샤프닝 연산 결과 영상이 격자무늬로 갈라지는 경우가 발생하게 되는데 이 경우 영상이 불명확해져 플록 검출에 장애로 작용하기 때문이다.In step S240, the boundary between the flock and the background in the image is emphasized through a sharpening operation. In step S250, a grid pattern generated in the image is removed during a sharpening operation by a smoothing operation. This is because, as a result of the sharpening operation, the image is split into a grid pattern. In this case, the image becomes unclear and obstructs floc detection.
이제, S260 단계에서, 이진화(binary) 연산을 통해 영상 내의 플록을 검출하여 해당 플록의 위치와 크기 정보를 저장한다.Next, in step S260, a flock in the image is detected through a binary operation, and the position and size information of the flock is stored.
도 5 내지 도 12는 일련의 영상 처리 과정에 따라 각각의 변환 및 처리 결과를 예시한 도면으로 이하에서는 영상 처리의 순서에 따라 각각을 순차적으로 기술한다.FIGS. 5 to 12 are diagrams illustrating respective transformations and processing results according to a series of image processing steps. In the following description, the transforming and processing results are sequentially described in the order of image processing.
도 5의 (A)는 수심 2m 깊이에 있는 플록에 대해 30ms의 셔터 스피드로, 증폭 게인 '5'로 설정하여 획득한 플록 영상 이미지이고, 도 5의 (B)는 컬러 이미지를 흑백 이미지로 변환하는 그레이 스케일 변환 연산의 결과를 예시하였다.5 (A) is a flock image obtained by setting the shutter speed at a shutter speed of 30 ms to a depth of 2 m and an amplification gain of 5, and FIG. 5 (B) The result of the gray scale conversion operation is shown.
한편, 명암 값의 분포가 한쪽으로 치우치거나 균일하지 못한 영상은 히스토그램 평활화를 통해 명암 값의 분포를 균일화함으로써 영상이 향상될 수 있다. 히스토그램 평활화의 궁극적인 목적은 일정한 분포를 가진 히스토그램을 생성하는 것으로, 평활화를 수행한 히스토그램은 보다 균일한 분포를 갖게 된다. 다시 말해 한곳에 집중되어 있는 명암 값을 분산시켜서 명암 값이 균일한 분포를 갖도록 하는 것이다. 이와 같은 방법으로 얻어지는 결과는 어두운 영상은 밝아지고 너무 밝은 영상은 상대적으로 조금 어두워져 적절한 명도 값을 유지하게 된다. 그러므로 히스토그램 평활화는 영상이 어두운 영역에서 세밀한 부분을 가질 경우 효과적으로 수행된다. 즉 변환 후의 명도 값 분포를 수정함으로써 영상 전체적인 콘트라스트 밸런스가 좋게 개선된다. 본 발명의 실시예들에서 최초에 획득된 수중 영상은 촬영 환경이 통상적인 주광 영상에 비해 영상의 명도에 치우침이 강하거나 영상 자체의 품질이 열악하므로, 이러한 히스토그램 평활화를 통해 플록 검출 성능을 보다 향상시킬 수 있다.On the other hand, the image can be improved by uniformizing the distribution of the light and dark values through the histogram smoothing in the case where the distribution of the lightness values is uneven or uneven. The ultimate goal of histogram smoothing is to generate a histogram with a uniform distribution, and the smoothed histogram will have a more uniform distribution. In other words, the light and dark values concentrated in one place are dispersed so that the light and dark values have a uniform distribution. The result obtained by this method is that the dark image becomes brighter and the brighter image becomes relatively darker, so that the appropriate brightness value is maintained. Therefore, histogram smoothing is effectively performed when the image has fine detail in the dark region. In other words, by correcting the brightness value distribution after the conversion, the contrast balance of the entire image is improved. In the embodiments of the present invention, since the underwater image obtained at first is more likely to be inferior to the brightness of the image compared with the normal daylight image, and the quality of the image itself is poor, the histogram smoothing can improve the flock detection performance .
요약하건대, 본 발명의 실시예들이 채택하고 있는 흑백 영상 생성 과정에 있어서, 그레이 스케일 변환된 영상에 대해 히스토그램(histogram)을 이용하여 명도 값의 빈도수를 산출하고, 산출된 빈도수를 이용하여 축적 히스토그램 값을 구해 정규화시며, 정규화된 축적 히스토그램을 그레이 스케일 사상 함수를 이용하여 그레이 레벨 값을 맵핑(mapping)함으로써 히스토그램을 평활화하는 것이 바람직하다.In summary, in the process of generating a monochrome image adopted in the embodiments of the present invention, the frequency of the brightness value is calculated using the histogram of the gray-scale-converted image, and the accumulated histogram value And smoothing the histogram by mapping gray level values using a normalized accumulated histogram to a gray scale mapping function.
구현의 관점에서, 히스토그램을 산출한다는 의미는 하나의 이미지 내에 존재하는 명도 값을 계수(count)하는 것이다. 예를 들어, 명도 값이 256-Gray-Level 영상에서 명도 값 '0'이 몇 개인지, 명도 값 '100'이 몇 개인지 등과 같이 각 명도 값의 빈도수를 조사하는 것이다. 다음으로, 축적 히스토그램이라는 표현은 앞서 산출한 명암 값의 빈도수를 계속 가산하여 축적하는 것을 의미한다. 예를 들어, 명도 값 '1'에서의 축적 히스토그램은 명도 값 '0'의 빈도수와 명도 값 '1'의 빈도수를 더한 값이 된다. 마찬가지로 명도 값 '255'에서의 축적 히스토그램은 명도값 '0', '1', '2', ..., '255'까지의 빈도 수를 모두 더한 값이 된다.From an implementation point of view, calculating the histogram means counting the brightness value present in one image. For example, the frequency of each brightness value is examined such as how many brightness values '0' are in a 256-gray-level image and how many brightness values are '100'. Next, the expression of the accumulation histogram means that the frequency of the brightness value calculated previously is continuously added up and accumulated. For example, the accumulated histogram at the brightness value '1' is a value obtained by adding the frequency of the brightness value '0' and the frequency of the brightness value '1'. Likewise, the accumulated histogram at the brightness value of '255' is the sum of the frequencies of the brightness values of '0', '1', '2', ..., '255'.
도 6은 흑백 이미지로 변환된 도 5의 (B) 영상을 리버스(reverse) 연산을 통해 변화시킨 결과(C) 및 스퀘어(square) 연산을 이용하여 변화시킨 결과(D)를 예시한 도면이다. 앞서 설명한 바와 같이, 영상 변환의 이유는 후속 연산인 BCG 연산을 보다 용이하게 하기 위함이다.FIG. 6 is a diagram illustrating a result (C) obtained by changing the image of FIG. 5 (B) converted through a reverse operation and a result D changed by using a square operation. As described above, the reason for the image conversion is to facilitate the BCG operation, which is a subsequent operation.
도 7은 BCG 변환(transform)된 결과(E) 및 구체적인 항목의 변화값(F)을 예시한 도면이다. BCG 변환은 밝기(brightness), 대비(contrast) 및 감마(gamma) 값의 변화를 주어 영상 내의 플록을 소프트웨어에서 인식하기 쉽게 변형한다. BCG 변환 연산을 통하여 플록의 형태와 배경을 구별할 수 있는 단계까지 밝기와 명암을 조절한다. 도 6 및 도 7을 참조하면 BCG 변환을 하기 전과 후의 이미지에서 배경과 플록의 구분이 더 선명해진 것을 확인할 수 있다.FIG. 7 is a diagram illustrating the result (E) of the BCG transform and the change value (F) of a specific item. BCG transformations change the brightness, contrast, and gamma values of the floc in the image, making it easier to recognize in software. Through the BCG conversion operation, brightness and contrast can be controlled up to the stage where the shape and background of the floc can be distinguished. Referring to FIG. 6 and FIG. 7, it can be seen that the background and floc are more clearly distinguished in the images before and after the BCG conversion.
도 8의 (G)는 BCG 연산으로 변환된 이미지에 샤프닝 연산을 수행하여 플록과 배경 사이를 명확하게 구분한 결과를 예시한 것이고, 도 8의 (H)는 샤프닝 연산을 수행한 결과 영상이 격자 무늬로 갈라져서 영상이 선명하지 못하다는 문제점이 해소하고자 스무딩(smoothing) 연산을 수행한 결과를 예시한 도면이다.8 (G) illustrates a result obtained by clearly distinguishing between the flock and the background by performing a sharpening operation on the image converted by the BCG operation. FIG. 8 (H) FIG. 5 is a diagram illustrating a result of performing a smoothing operation in order to solve the problem that the image is not sharp because it is divided into patterns.
도 9는 이진화 연산 결과를 예시한 도면으로서, 설정된 이진화 임계값에 따라 플록으로 집계되는 영상점이 달라질 수 있으며, 또한 영상 내에 미세 객체(small object) 제거 연산을 통해 이진화 연산 후 영상 내에 존재하는 기준값 미만의 미세 플록을 삭제하는 과정을 더 포함할 수 있다. 이러한 이진화 연산을 통해 샤프닝 영상에서 볼 수 있었던 플록들을 모두 검출하여 저장하게 된다.FIG. 9 is a diagram illustrating the result of a binarization operation. In FIG. 9, an image point counted by a flock may be varied according to a set binarization threshold value, and a binarization operation may be performed by removing a small object in the image, And removing the micro flocs from the micro flocs. Through this binarization operation, all the flocs seen in the sharpening image are detected and stored.
물체와 배경을 분리하는 핵식적인 수단으로서 활용된 이진화 연산은, 픽셀의 명도 값이 미리 설정된 임계값보다 작으면 화소값을 '0'으로 크면 '1'로 만드는 과정이다. 이때 가장 중요한 것이 임계값의 선택 문제로서, 본 발명의 구현된 프로토타입에서는 그 일례로 히스토그램을 사용하는 방식을 채택하였다. A binarization operation used as a nuclear means for separating an object and a background is a process for making a pixel value '1' if the pixel value is '0' if the brightness value of the pixel is smaller than a preset threshold value. At this time, as a matter of selection of the threshold value, the most important thing is to adopt a method of using the histogram as an example in the implemented prototype of the present invention.
예를 들어, 이진화를 해야 하는 영상의 히스토그램이 도 10과 같다고 가정하면, 영상은 밝은 배경에 어두운 물체를 포함하고 있다고 볼 수 있으며, 영상 내의 어두운 픽셀은 히스토그램에서 왼쪽의 피크에 해당할 것이다. 마찬가지로 히스토그램에서 오른쪽의 피크는 배경의 밝은 픽셀에 의해 생성된 것을 의미한다. 따라서 두 개의 피크 중간의 가장 낮은 명도를 임계값으로 설정하게 되면 물체와 배경을 적절히 분리할 수 있다. 즉, 본 발명의 실시예들의 영상 처리 과정에서 활용하고 있는 이진화 연산은, 영상의 히스토그램 중 2개의 피크(peak)가 나타나는 서로 다른 명도 값의 중간 값을 이진화의 임계값으로 선택하는 것이 바람직하다.For example, assuming that the histogram of the image to be binarized is as shown in Fig. 10, the image may be considered to include a dark object on a bright background, and a dark pixel in the image would correspond to a peak on the left in the histogram. Likewise, the peak on the right in the histogram means that it is generated by bright pixels in the background. Therefore, if the lowest brightness in the middle of two peaks is set as a threshold value, the object and the background can be properly separated. That is, in the binarization operation used in the image processing of the embodiments of the present invention, it is preferable to select the intermediate value of the different brightness values in which two peaks of the histogram of the image appear, as the binarization threshold value.
구현의 관점에서, 영상을 그레이 스케일로 변환 후 물의 그레이 스케일 값과 플록의 그레이스케일 값을 추출해내고 히스토그램으로 표현을 한 후, 플록의 정보를 찾아내서 실시간으로 수치를 배열에 저장할 수 있다. 일정 시간 동안 수집된 정보를 토대로 전체 픽셀값에서 해당 범위의 색깔이 있는 픽셀값을 계산하면 플록의 밀도를 파악할 수 있다.From an implementation point of view, you can convert the image to grayscale, extract the gray scale value of the water and the gray scale value of the floc, express it in the histogram, and then find the floc information and store the values in real time in the array. Based on the information collected over a period of time, you can calculate the density of the floc by calculating pixel values with the color of the range from the total pixel value.
도 11 및 도 12는 본 발명의 실시예들에 따른 정수 처리 제어 방법의 영상 처리 과정을 구현한 프로토타입에서 메인 프론트 패널과 추출된 플록 정보를 예시한 도면이다. 도 11을 참조하면, 식별된 플록이 계수되고 있으며, 도 12에 도시된 바와 같이, 플록 정보 내에 플록별 좌표 중심, 둘레, 장축 및 단축의 길이, 면적, 가로 방향 좌표값 및 세로 방향 좌표값이 포함되어 저장되고 있음을 확인할 수 있다.FIGS. 11 and 12 are views illustrating a main front panel and extracted flock information in a prototype implementing an image processing process of the water treatment control method according to the embodiments of the present invention. Referring to FIG. 11, the identified flocs are being counted. As shown in FIG. 12, the length, area, horizontal coordinate value, and vertical coordinate value of the coordinate center, perimeter, It can be confirmed that it is included and stored.
한편, 도 13은 본 발명의 일 실시예에 따른 도 3의 정수 처리 제어 방법에 연속하여 응집지의 조절 수단을 제어하는 방법을 도시한 흐름도이다.Meanwhile, FIG. 13 is a flowchart illustrating a method of controlling the adjusting means of the aggregated paper in succession to the water treatment control method of FIG. 3 according to an embodiment of the present invention.
S400 단계에서, 정수 처리 공정에 대한 시뮬레이션을 통해 플록의 크기 및 밀도에 따른 혼화 및 응집 조건들을 미리 저장한다. 이러한 과정은 앞서 기술된 S100 내지 S300 단계와 무관하게 사전에 또는 병행하여 수행될 수 있다. 이 과정을 통해 미리 저장되는 혼화 및 응집 조건들은 정수 처리 공정의 운용을 통해 경험적으로 축적된 제어 파라미터의 조합으로서 데이터베이스 내지 테이블의 형태로 저장될 수 있다. In step S400, the mixing and coagulation conditions according to the size and density of the flocs are stored in advance through simulation for the water treatment process. This process can be performed in advance or in parallel regardless of steps S100 to S300 described above. The mixing and coagulation conditions stored in advance through this process can be stored in the form of a database or a table as a combination of control parameters empirically accumulated through the operation of the water treatment process.
S500 단계에서, 상기 S400 단계를 통해 미리 저장된 조건들을 참조하여 상기 응집제 주입을 위한 판단 기준에 대응하는 제어 신호를 생성한다. 앞서 S300 단계를 통해 실시간 수중 영상 분석을 통해 현재 응집지에 저장된 원수 내의 플록의 상태가 실험실 환경과는 다르게 정확하게 획득되었으므로, 이를 기반으로 응집지의 제어 조건들을 결정할 수 있다. 예를 들어, 투입되어야 하는 최적의 응집제의 양이나 응집제의 투입에 따라 플록을 성장시키기 위한 교반기의 최적의 속도를 실시간으로 결정하는 것이 가능하다.In step S500, a control signal corresponding to the determination criterion for the coagulant injection is generated by referring to the previously stored conditions through step S400. Since the state of the flocs in the raw water stored in the current cohesion field is obtained differently from the laboratory environment through the real-time underwater image analysis through the step S300, the control conditions of the cohesion cohesion can be determined based on the obtained state. For example, it is possible to determine in real time the optimum speed of the agitator for growing the flocs according to the amount of the optimum flocculant to be added or the amount of flocculant added.
마지막으로, S600 단계에서, S500 단계를 통해 생성된 상기 제어 신호에 따라 응집제 주입량과 혼화기의 교반 속도를 제어함으로써 플록을 성장시킨다. 이러한 제어 방식에 따라 종래의 쟈 테스트를 비롯한 분리된 실험 환경과는 다르게 응집지의 실제 상태에 기반을 둔 정수 처리의 제어가 가능하게 된다.Finally, in step S600, floc is grown by controlling the amount of coagulant injected and the stirring speed of the mixer according to the control signal generated in step S500. According to this control method, it is possible to control the water treatment based on the actual state of the cohesive paper differently from the separate experimental environment including the conventional jitter test.
도 14는 본 발명의 일 실시예에 따른 실시간 영상 분석을 이용한 정수 처리 제어 장치를 도시한 블록도로서, 도 3 및 도 4의 일련의 처리 과정을 장치 구성의 관점에서 재구성한 것이다. 따라서, 여기서는 설명의 중복을 피하기 위해 각 구성별 기능을 약술하도록 한다.FIG. 14 is a block diagram showing an apparatus for controlling a water purification process using a real-time image analysis according to an embodiment of the present invention, which is a reconstruction of a series of processes in FIGS. 3 and 4 from the viewpoint of apparatus configuration. Therefore, in order to avoid duplication of explanation, the function of each constitution is outlined here.
입력부(21)는, 정수장의 응집지에서 수중 카메라(11)를 통해 실시간으로 촬영한 수중 영상을 입력받는다. 이후의 영상 처리를 위해, 만약 입력되는 수중 영상이 아날로그 영상인 경우 디지털 영상으로 변환하는 것이 바람직하다.The
프로세서(25)는, 수중 영상에 대한 영상 처리 알고리즘을 구성하는 일련의 명령어를 로드(load)하여 상기 수중 영상을 순차적으로 처리함으로써 원수 내의 플록 정보를 분석하고, 이후 응집지에 구비된 제어 객체(13, 15)에 대한 제어 방식을 결정한다. 이를 위해 프로세서(25)는, 입력된 수중 영상을 영상 처리하여 플록(floc) 정보를 획득하고, 수중 영상의 분해능(resolution) 정보에 기초하여 상기 플록 정보로부터 플록의 크기, 밀도 및 분포를 분석함으로써 응집제 주입을 위한 판단 기준을 제공한다. The
보다 구체적으로서, 상기 프로세서(25)는, 입력된 영상으로부터 그레이 스케일(gray scale) 변환을 통해 흑백 영상을 생성하고, 생성된 상기 흑백 영상에 대하여 리버스(reverse) 연산 및 스퀘어(square) 연산을 통해 영상을 변환하고, 밝기(brightness), 대비(contrast) 및 감마(gamma) 값 중 적어도 하나를 미리 설정된 크기만큼 변화시켜 영상 내에서 배경에 대한 플록의 식별도를 증가시키고, 샤프닝(sharpening) 연산을 통해 영상 내의 플록과 배경의 경계를 강조하고, 스무딩(smoothing) 연산을 통해 샤프닝 연산 과정에서 영상 내에 발생한 격자무늬를 제거하며, 이진화(binary) 연산을 통해 영상 내의 플록을 검출하여 해당 플록의 위치와 크기 정보를 저장함으로써, 플록 정보를 획득할 수 있다.More specifically, the
또한, 상기 프로세서(25)는, 그레이 스케일 변환된 영상에 대해 히스토그램(histogram)을 이용하여 명도 값의 빈도수를 산출하고, 산출된 빈도수를 이용하여 축적 히스토그램 값을 구해 정규화시며, 정규화된 축적 히스토그램을 그레이 스케일 사상 함수를 이용하여 그레이 레벨 값을 맵핑(mapping)함으로써 히스토그램을 평활화할 수 있다. 나아가, 상기 이진화 연산은, 영상의 히스토그램 중 2개의 피크(peak)가 나타나는 서로 다른 명도 값의 중간 값을 이진화의 임계값으로 선택할 수 있다.In addition, the
또한, 상기 프로세서(25)는, 수중 영상의 분해능(resolution) 정보에 기초하여 전체 영상에 대한 픽셀 영역 내에서 픽셀값이 존재하는 영역을 플록으로 계수함으로써 플록의 크기, 밀도 및 분포를 산출하고, 산출된 플록의 크기, 밀도 및 분포로부터 수질의 상태를 나타내는 상태 지표를 도출함으로써, 상기 응집제 주입을 위한 판단 기준을 제공할 수 있다. 이때, 상기 수중 영상의 분해능 정보는, 수중 영상이 촬영된 FOV(field of view)를 카메라의 해상도로 제산한 값으로부터 산출될 수 있다.Also, the
또한, 상기 프로세서(25)는, 정수 처리 공정에 대한 시뮬레이션을 통해 플록의 크기 및 밀도에 따른 혼화 및 응집 조건들을 저장부(23)에 미리 저장하고, 상기 미리 저장된 조건들을 참조하여 상기 응집제 주입을 위한 판단 기준에 대응하는 제어 신호를 생성하며, 생성된 상기 제어 신호에 따라 응집제 주입량(13)과 혼화기의 교반 속도(15)를 제어함으로써 플록을 성장시킬 수 있다.In addition, the
이상에서 본 발명의 실시예들이 제안하고 있는 실시간 수중 영상 분석을 통한 정수 처리 제어 장치 및 방법을 제안하였다. 국내의 많은 정수장에서는 응집제 주입량의 최적 조건을 계산하기 위해 대체적으로 쟈 테스트(Jar-test) 장치나 iPDA 장치를 사용하고 있다. 쟈 테스트 장치는 정수 처리 공정을 모사하여 혼화와 응집조건을 시뮬레이션한 뒤 최적 응집제 주입량과 혼화 조건을 간접적으로 산출하는 방법이다. 다른 장치인 iPDA 장치는 응집지 내의 물이 iPDA 장치의 관내를 흐르는 동안에 생기는 투과광의 세기가 평균값을 중심으로 변화하는 것을 이용하여 빛의 세기를 전기적인 신호로 변환한 뒤 결과 값을 나타내주는 장치이다. 따라서, 종래에 사용되던 상기 장치들은 실시간으로 응집제 주입량을 계산할 수 없고, 분석 과정 중 플록이 파괴되어 분석의 정확도가 떨어진다는 단점이 꾸준히 지적되었다.Thus, the present invention has been proposed to provide an apparatus and method for controlling water treatment through real-time underwater image analysis. In many water treatment plants in Korea, Jar-test device or iPDA device is generally used to calculate optimum conditions of coagulant injection amount. The jest tester simulates the mixing and coagulation conditions by simulating the water treatment process and then indirectly calculates the optimum coagulant injection amount and mixing condition. The iPDA device, which is another device, is a device that converts the intensity of light into an electrical signal and displays the resultant value by using the fact that the intensity of the transmitted light generated while the water in the cohesive paper flows through the pipe of the iPDA device changes with respect to the average value . Thus, the conventional devices have been unable to calculate the amount of coagulant injected in real time, and the disadvantage that the floc is destroyed during the analysis and the accuracy of the analysis is degraded.
본 발명의 실시예들에 따르면, 직접적으로 응집지에 침투하여 플록의 영상 정보를 획득하기 때문에 플록을 취수하는 과정 중 발생하는 플록의 파괴 등이 발생하지 않으며, 실험실에서 모의 시뮬레이션을 거치지 않고 현장에서 실시간으로 플록의 정보를 분석하고 응집제 주입량의 최적 조건을 계산할 수 있다. 이러한 실시간 영상 분석에 기반을 둔 정수 처리 제어 기술은 응집 공정에서 중요한 교반 속도 및 강도와 응집제 주입량의 효율적인 제어를 가능하게 하며 실시간 데이터에 의한 시스템 관리를 통해 보다 안정적인 제어 시스템을 구축할 수 있다. 또한 영상 처리 알고리즘을 적용하여 최적 제어 설계를 통한 약품 주입량 계산의 효율을 향상시킬 수 있다.According to the embodiments of the present invention, because the flock is directly infiltrated into the cohesive paper to acquire the image information of the flock, there is no destruction of the flocs occurring during the process of taking the flock. In the laboratory, To analyze the information of flocs and to calculate the optimum condition of the flocculant injection amount. This water treatment control technology based on real-time image analysis enables efficient control of stirring speed and intensity and coagulant injection amount in coagulation process, and more stable control system can be constructed through system management by real-time data. Also, by applying the image processing algorithm, it is possible to improve the efficiency of calculation of drug injection amount through optimal control design.
한편, 본 발명은 실시예들은 컴퓨터로 읽을 수 있는 기록 매체에 컴퓨터가 읽을 수 있는 코드로 구현하는 것이 가능하다. 컴퓨터가 읽을 수 있는 기록 매체는 컴퓨터 시스템에 의하여 읽혀질 수 있는 데이터가 저장되는 모든 종류의 기록 장치를 포함한다.Meanwhile, the embodiments of the present invention can be embodied as computer readable codes on a computer readable recording medium. A computer-readable recording medium includes all kinds of recording apparatuses in which data that can be read by a computer system is stored.
컴퓨터가 읽을 수 있는 기록 매체의 예로는 ROM, RAM, CD-ROM, 자기 테이프, 플로피디스크, 광 데이터 저장장치 등을 포함한다. 또한, 컴퓨터가 읽을 수 있는 기록 매체는 네트워크로 연결된 컴퓨터 시스템에 분산되어, 분산 방식으로 컴퓨터가 읽을 수 있는 코드가 저장되고 실행될 수 있다. 그리고 본 발명을 구현하기 위한 기능적인(functional) 프로그램, 코드 및 코드 세그먼트들은 본 발명이 속하는 기술 분야의 프로그래머들에 의하여 용이하게 추론될 수 있다.Examples of the computer-readable recording medium include ROM, RAM, CD-ROM, magnetic tape, floppy disk, optical data storage, and the like. In addition, the computer-readable recording medium may be distributed over network-connected computer systems so that computer readable codes can be stored and executed in a distributed manner. In addition, functional programs, codes, and code segments for implementing the present invention can be easily deduced by programmers skilled in the art to which the present invention belongs.
이상에서 본 발명에 대하여 그 다양한 실시예들을 중심으로 살펴보았다. 본 발명에 속하는 기술 분야에서 통상의 지식을 가진 자는 본 발명이 본 발명의 본질적인 특성에서 벗어나지 않는 범위에서 변형된 형태로 구현될 수 있음을 이해할 수 있을 것이다. 그러므로 개시된 실시예들은 한정적인 관점이 아니라 설명적인 관점에서 고려되어야 한다. 본 발명의 범위는 전술한 설명이 아니라 특허청구범위에 나타나 있으며, 그와 동등한 범위 내에 있는 모든 차이점은 본 발명에 포함된 것으로 해석되어야 할 것이다.The present invention has been described above with reference to various embodiments. It will be understood by those skilled in the art that various changes in form and details may be made therein without departing from the spirit and scope of the invention as defined by the appended claims. Therefore, the disclosed embodiments should be considered in an illustrative rather than a restrictive sense. The scope of the present invention is defined by the appended claims rather than by the foregoing description, and all differences within the scope of equivalents thereof should be construed as being included in the present invention.
10: 정수장의 응집지
11: 수중 카메라
13: 응집제 주입 장치
15: 혼화기
20: 정수 처리 제어 장치
21: 입력부
23: 저장부
25: 프로세서10: Agglomerate of water purification plant 11: Underwater camera
13: coagulant injector 15: mixer
20: water treatment control device 21: input part
23: storage unit 25: processor
Claims (10)
입력된 수중 영상을 영상 처리하여 플록(floc) 정보를 획득하는 단계; 및
수중 영상의 분해능(resolution) 정보에 기초하여 상기 플록 정보로부터 플록의 크기, 밀도 및 분포를 분석함으로써 응집제 주입을 위한 판단 기준을 제공하는 단계를 포함하는 정수 처리 제어 방법.Receiving an underwater image photographed in real time at a cohesive site of a water purification plant;
Processing the input underwater image to acquire floc information; And
And providing a determination criterion for coagulant injection by analyzing the size, density and distribution of flocs from the floc information based on resolution information of the underwater image.
상기 플록 정보를 획득하는 단계는,
입력된 영상으로부터 그레이 스케일(gray scale) 변환을 통해 흑백 영상을 생성하는 단계;
생성된 상기 흑백 영상에 대하여 리버스(reverse) 연산 및 스퀘어(square) 연산을 통해 영상을 변환하는 단계;
밝기(brightness), 대비(contrast) 및 감마(gamma) 값 중 적어도 하나를 미리 설정된 크기만큼 변화시켜 영상 내에서 배경에 대한 플록의 식별도를 증가시키는 단계;
샤프닝(sharpening) 연산을 통해 영상 내의 플록과 배경의 경계를 강조하는 단계;
스무딩(smoothing) 연산을 통해 샤프닝 연산 과정에서 영상 내에 발생한 격자무늬를 제거하는 단계; 및
이진화(binary) 연산을 통해 영상 내의 플록을 검출하여 해당 플록의 위치와 크기 정보를 저장하는 단계를 포함하는 정수 처리 제어 방법.The method according to claim 1,
Wherein the obtaining of the flock information comprises:
Generating a monochrome image through gray scale conversion from an input image;
Transforming the image by performing a reverse operation and a square operation on the generated monochrome image;
Changing at least one of brightness, contrast, and gamma values by a predetermined magnitude to increase the degree of discrimination of the flock with respect to the background in the image;
Highlighting the boundary between the flock and the background in the image through a sharpening operation;
Removing a grid pattern generated in an image during a sharpening operation through a smoothing operation; And
Detecting a flock in the image through a binary operation and storing the position and size information of the flock.
상기 흑백 영상을 생성하는 단계는,
그레이 스케일 변환된 영상에 대해 히스토그램(histogram)을 이용하여 명도 값의 빈도수를 산출하고, 산출된 빈도수를 이용하여 축적 히스토그램 값을 구해 정규화시며, 정규화된 축적 히스토그램을 그레이 스케일 사상 함수를 이용하여 그레이 레벨 값을 맵핑(mapping)함으로써 히스토그램을 평활화하는 것을 특징으로 하는 정수 처리 제어 방법.3. The method of claim 2,
Wherein the generating the monochrome image comprises:
The histogram of the gray-scale-transformed image is used to calculate the frequency of the brightness value using the histogram. The histogram is normalized by using the calculated frequency, and the normalized histogram is converted into the gray level using the gray scale mapping function. Wherein the histogram is smoothed by mapping the values of the histograms.
상기 이진화 연산은,
영상의 히스토그램 중 2개의 피크(peak)가 나타나는 서로 다른 명도 값의 중간 값을 이진화의 임계값으로 선택하는 것을 특징으로 하는 정수 처리 제어 방법.3. The method of claim 2,
The binarization operation may include:
Wherein an intermediate value of two different brightness values in which two peaks of the histogram of the image appear is selected as a binarization threshold value.
상기 플록 정보를 획득하는 단계는,
미세 객체(small object) 제거 연산을 통해 이진화 연산 후 영상 내에 존재하는 기준값 미만의 미세 플록을 삭제하는 단계를 더 포함하는 정수 처리 제어 방법.3. The method of claim 2,
Wherein the obtaining of the flock information comprises:
Further comprising the step of deleting the micro flocs less than the reference value existing in the image after the binarization operation through the removal of the small object.
상기 플록 정보는,
플록별 좌표 중심, 둘레, 장축 및 단축의 길이, 면적, 가로 방향 좌표값 및 세로 방향 좌표값을 포함하는 것을 특징으로 하는 정수 처리 제어 방법.The method according to claim 1,
The flock information includes:
A length, an area, a horizontal direction coordinate value, and a vertical direction coordinate value of the center, circumference, long axis and short axis of each flock.
상기 응집제 주입을 위한 판단 기준을 제공하는 단계는,
수중 영상의 분해능(resolution) 정보에 기초하여 전체 영상에 대한 픽셀 영역 내에서 픽셀값이 존재하는 영역을 플록으로 계수함으로써 플록의 크기, 밀도 및 분포를 산출하는 단계; 및
산출된 플록의 크기, 밀도 및 분포로부터 수질의 상태를 나타내는 상태 지표를 도출하는 단계를 포함하는 정수 처리 제어 방법.The method according to claim 1,
Wherein providing the criteria for the coagulant injection comprises:
Calculating a size, a density, and a distribution of flocs by counting a region in which a pixel value exists in a pixel region of the entire image with a floe based on resolution information of the underwater image; And
And deriving a state index indicating the state of the water quality from the size, density and distribution of the calculated floc.
상기 수중 영상의 분해능 정보는,
수중 영상이 촬영된 FOV(field of view)를 카메라의 해상도로 제산한 값으로부터 산출되는 것을 특징으로 하는 정수 처리 제어 방법.8. The method of claim 7,
The resolution information of the underwater image may be,
Wherein the water treatment is calculated from a value obtained by dividing the FOV (field of view) of the underwater image by the resolution of the camera.
정수 처리 공정에 대한 시뮬레이션을 통해 플록의 크기 및 밀도에 따른 혼화 및 응집 조건들을 미리 저장하는 단계;
상기 미리 저장된 조건들을 참조하여 상기 응집제 주입을 위한 판단 기준에 대응하는 제어 신호를 생성하는 단계; 및
생성된 상기 제어 신호에 따라 응집제 주입량과 혼화기의 교반 속도를 제어함으로써 플록을 성장시키는 단계를 더 포함하는 정수 처리 제어 방법.The method according to claim 1,
Storing mixing and coagulation conditions according to size and density of flocs in advance through simulation of a water treatment process;
Generating a control signal corresponding to a determination criterion for the coagulant injection with reference to the pre-stored conditions; And
Further comprising the step of growing the flocs by controlling the amount of coagulant injected and the stirring speed of the mixer according to the generated control signal.
입력된 상기 수중 영상은,
상기 응집지의 수중에서 자연광을 상쇄하기 위해 미리 설정된 파장의 레이저 조명의 조사를 통해 촬영된 것을 특징으로 하는 정수 처리 제어 방법.The method according to claim 1,
The input underwater image,
Wherein the water is photographed through irradiation of laser light having a predetermined wavelength to cancel natural light in the water of the aggregated paper.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170162092A KR101999696B1 (en) | 2017-11-29 | 2017-11-29 | Method for controlling water purification using real-time image analysis |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020170162092A KR101999696B1 (en) | 2017-11-29 | 2017-11-29 | Method for controlling water purification using real-time image analysis |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20190063188A true KR20190063188A (en) | 2019-06-07 |
| KR101999696B1 KR101999696B1 (en) | 2019-07-15 |
Family
ID=66849648
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020170162092A KR101999696B1 (en) | 2017-11-29 | 2017-11-29 | Method for controlling water purification using real-time image analysis |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR101999696B1 (en) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112441654A (en) * | 2020-11-02 | 2021-03-05 | 广州晋合水处理设备有限公司 | Control system and method suitable for coagulating sedimentation |
| WO2021214755A1 (en) * | 2020-04-21 | 2021-10-28 | Elad Technologies (L.S.) Ltd | System, and method for continuous process control of water contaminant separation process |
| CN116664574A (en) * | 2023-07-31 | 2023-08-29 | 山东罗斯夫新材料科技有限公司 | Visual detection method for acrylic emulsion production wastewater |
| CN117594151A (en) * | 2023-11-27 | 2024-02-23 | 北京航空航天大学 | Method for realizing qualitative and quantitative TEP (test equipment) by utilizing image recognition |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2912977B2 (en) * | 1990-07-24 | 1999-06-28 | 株式会社日立製作所 | Coagulation state monitoring device |
| KR20030044448A (en) | 2001-11-30 | 2003-06-09 | 뉴엔텍(주) | Automatic jar test system |
| KR20040067702A (en) * | 2003-01-24 | 2004-07-30 | (주) 삼양 엔지니어링 | Automatic control method of investing amount of flocculant for treatment room of purity water to detect real time image of floc |
| KR100448560B1 (en) * | 2001-09-13 | 2004-09-13 | 뉴엔텍(주) | Flocculation measuring system |
| KR20120107378A (en) * | 2011-03-21 | 2012-10-02 | 엘지디스플레이 주식회사 | Apparatus for testing display panel |
-
2017
- 2017-11-29 KR KR1020170162092A patent/KR101999696B1/en active IP Right Grant
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2912977B2 (en) * | 1990-07-24 | 1999-06-28 | 株式会社日立製作所 | Coagulation state monitoring device |
| KR100448560B1 (en) * | 2001-09-13 | 2004-09-13 | 뉴엔텍(주) | Flocculation measuring system |
| KR20030044448A (en) | 2001-11-30 | 2003-06-09 | 뉴엔텍(주) | Automatic jar test system |
| KR20040067702A (en) * | 2003-01-24 | 2004-07-30 | (주) 삼양 엔지니어링 | Automatic control method of investing amount of flocculant for treatment room of purity water to detect real time image of floc |
| KR20120107378A (en) * | 2011-03-21 | 2012-10-02 | 엘지디스플레이 주식회사 | Apparatus for testing display panel |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021214755A1 (en) * | 2020-04-21 | 2021-10-28 | Elad Technologies (L.S.) Ltd | System, and method for continuous process control of water contaminant separation process |
| CN112441654A (en) * | 2020-11-02 | 2021-03-05 | 广州晋合水处理设备有限公司 | Control system and method suitable for coagulating sedimentation |
| CN116664574A (en) * | 2023-07-31 | 2023-08-29 | 山东罗斯夫新材料科技有限公司 | Visual detection method for acrylic emulsion production wastewater |
| CN116664574B (en) * | 2023-07-31 | 2023-10-20 | 山东罗斯夫新材料科技有限公司 | Visual detection method for acrylic emulsion production wastewater |
| CN117594151A (en) * | 2023-11-27 | 2024-02-23 | 北京航空航天大学 | Method for realizing qualitative and quantitative TEP (test equipment) by utilizing image recognition |
Also Published As
| Publication number | Publication date |
|---|---|
| KR101999696B1 (en) | 2019-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101999696B1 (en) | Method for controlling water purification using real-time image analysis | |
| CN109074033B (en) | Method and system for optimizing coagulation and/or flocculation in water treatment processes | |
| Amaral et al. | Activated sludge monitoring of a wastewater treatment plant using image analysis and partial least squares regression | |
| Keyvani et al. | A fully-automated image processing technique to improve measurement of suspended particles and flocs by removing out-of-focus objects | |
| KR100889997B1 (en) | Apparatus and Method for Ship Ballast Water Examination using Image Processing | |
| EP2948753B1 (en) | System and method for counting zooplankton | |
| JP2020025943A (en) | Water treatment method and water treatment system | |
| CN109859170A (en) | A kind of steel wire rope surface damage intelligent monitoring method and system based on LBP feature | |
| JP2019035623A (en) | Sludge evaluation system and sludge evaluation index acquisition system | |
| Shanono et al. | Image processing techniques applicable to wastewater quality detection: towards a hygienic environment | |
| JPH05332915A (en) | Hydrosphere monitoring apparatus and purifying apparatus | |
| JPH05263411A (en) | Object observation method and device | |
| US20240003808A1 (en) | Fluid quality monitoring | |
| WO2017030138A1 (en) | Jig for device for evaluating water treatment tank activated sludge condition, and device for evaluating water treatment tank activated sludge condition and condition-evaluating method using same | |
| JP2023033927A (en) | Water treatment state monitoring system and water treatment state monitoring method | |
| JPH0790234B2 (en) | Sewage treatment method and device with activated sludge | |
| Sivchenko et al. | Floc sensor prototype tested in the municipal wastewater treatment plant | |
| Chai et al. | An alternative cost-effective image processing based sensor for continuous turbidity monitoring | |
| Sivchenko et al. | Evaluation of image texture recognition techniques in application to wastewater coagulation | |
| JPH05172728A (en) | Hydrosphere observation, surveillance and purification system | |
| CN112505278B (en) | Sampling type sewage monitoring and analyzing equipment | |
| JPH0636188B2 (en) | Image measuring device | |
| JPS63269043A (en) | Apparatus for confirming image of flocculated substance | |
| Sivchenko et al. | Approbation of the texture analysis imaging technique in the wastewater treatment plant | |
| JP7507034B2 (en) | Information processing device, water treatment system, information processing method and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A201 | Request for examination | ||
| N231 | Notification of change of applicant | ||
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |