KR20240047471A - 수질 감시 시스템 - Google Patents

Abstract

감시 카메라로부터의 촬영 화상을 사용하여 비접촉에 의한 수질 감시를 실현함과 함께, 감시 대상의 상태 변화의 영향을 억제하여 고정밀도로 수질 이상을 검지한다. 실시 형태의 수질 감시 시스템은, 물체 검지 모델을 사용하여, 감시 카메라로부터 출력되는 수질 감시 대상의 촬영 화상으로부터 수면 영역을 인식하고, 인식된 수면 영역의 상태에 기초하는 수질 이상을 판정하는 수질 이상 검지부와, 감시 결과를 출력하는 감시 결과 출력부를 갖는다. 이에 의해, 비접촉에 의한 수질 감시를 실현함과 함께, 감시 대상의 상태 변화의 영향(수위 변동이나 감시 카메라의 화각 변동, 카메라 방향의 변동 등)이 있어도 고정밀도로 수질 이상을 검지할 수 있다.

Description

수질 감시 시스템

본 발명의 실시 형태는, 수질 감시 기술에 관한 것이다.

수처리 시설에서는, 탁도계 등의 수질계를 사용하여, 처리수의 이상 검지(탁도 검지)를 행하고 있다. 수질계는, 센서 부분을 감시 대상의 수중에 설치하여 탁도를 측정하는 타입이나, 감시 대상의 수면(측정 액면)에 광을 쐬여, 수면(액면)으로부터의 산란광을 파악함으로써 탁도를 측정하는 타입이 있다.

일본 특허 공개 제2017-207323호 공보

감시 카메라로부터의 촬영 화상을 사용하여 비접촉에 의한 수질 감시를 실현함과 함께, 감시 대상의 상태 변화의 영향을 억제하여 고정밀도로 수질 이상을 검지할 수 있는 수질 감시 시스템을 제공한다.

실시 형태의 수질 감시 시스템은, 물체 검지 모델을 사용하여, 감시 카메라로부터 출력되는 수질 감시 대상의 촬영 화상으로부터 수면 영역을 인식하고, 인식된 상기 수면 영역의 상태에 기초하는 수질 이상을 판정하는 수질 이상 검지부와, 감시 결과를 출력하는 감시 결과 출력부를 갖는다.

도 1은, 제1 실시 형태의 수질 감시 시스템을 구성하는 각 장치의 기능 블록도이다.
도 2는, 제1 실시 형태의 물체 검지 모델의 설명도이다.
도 3은, 제1 실시 형태의 수질 감시 모델의 설명도이다.
도 4는, 제1 실시 형태의 수질 감시 시스템의 처리 플로를 도시하는 도면이다.
도 5는, 제1 실시 형태의 수질 감시 시스템의 처리 플로를 도시하는 도면이고, 수질계의 측정값을 고려한 처리 플로를 도시하는 도면이다.
도 6은, 제1 실시 형태의 학습 장치에 의한 학습 데이터의 수집 및 교사 데이터 생성의 설명도이다.
도 7은, 제1 실시 형태의 학습 장치의 교사 데이터 생성에 관한 처리 플로를 도시하는 도면이다.

이하, 실시 형태에 대해서, 도면을 참조하여 설명한다.

(제1 실시 형태)

도 1 내지 도 7은, 제1 실시 형태의 수질 감시 시스템을 설명하기 위한 도면이다.

본 실시 형태의 수질 감시 시스템이 적용되는 수질 감시 대상의 일례로서 수처리 시설의 배수 처리 공정이 있다. 배수 처리는, 다양한 타입이 있지만, 예를 들어 활성 오니법에 의한 배수 처리를 예로 설명하면 미생물이 들어간 오니인 활성 오니가 들어간 반응조(폭기조)에 원수를 유도하고, 공기를 송입하여 뒤섞는다. 이에 의해, 원수 중의 오물을 미생물이 분해하고, 자잘한 오물은 미생물에 부착되어서 가라앉기 쉬운 덩어리가 된다. 그리고, 반응조에서 생긴 오니(활성 오니)를 침전조에서 침전시켜, 처리수(상청)와 오니로 분리한다. 그 후, 분리된 처리수를 여과 처리하고, 또한 활성탄 탑에서 남아 있는 오물을 활성탄에 흡착시켜, 최종 중화 처리(pH를 중성 영역으로 함)를 거쳐, 하수도나 하천에 방류한다.

침전조에는, 수질계가 마련되어 있고, SS 농도를 측정하여 수질을 감시하고 있다. 또한, SS 농도란, 수중에 부유·분산하는 입자의 크기가 1㎛(0.001mm) 내지 2mm인 물질을 현탁 물질(SS; suspendedsolids) 또는 부유 물질을 가리키며, 현탁 물질은 물 1리터당에 포함되는 질량(mg/L)으로 표시된다.

그러나, 수질계를 사용한 수질 감시에서는, 하기와 같은 과제가 있었다. 센서 부분을 감시 대상인 침전조의 수중에 설치하여 측정하는 수질계의 경우, 센서 부분에 오물(부유하는 오니나 조 등)이 부착되기 때문에 청소가 필요하고, 또한, 측정값의 신뢰성을 확보하기 위한 교정 작업도 필요해진다.

또한, 침전조의 수면(측정 액면)에 광을 쐬여, 수면(액면)으로부터의 산란광을 파악함으로써 측정하는 수질계의 경우, 측정 액 표면에 광을 반사시키기 때문에, 물의 색이나 기포의 영향을 받아, 측정 정밀도를 확보하는 것이 어려운 측면이 있다. 특히, 측정 정밀도의 관점에 있어서, 수면이 안정되어 있을 필요가 있고, 수면을 안정시키기 위하여 측정조를 별도 마련하는 등의 대책을 강구하고 있지만, 배수 중에 존재하는 유기물이나 스케일 성분이 측정조 벽면에 부착되어 광학식의 계측을 저해하기 때문에, 당해 측정조의 메인터넌스가 필요해져 버린다.

이렇게 수질계를 사용한 수질 감시는, 메인터넌스가 매우 어려움과 함께, 메인터넌스 부족에 의해 생기는 잘못된 측정값에 대응하기 위한 감시 작업 부담(예를 들어, 작업원이 감시 카메라의 영상을 보고 감시하는 등)이 증가하는 등의 과제가 있었다.

그래서, 본 실시 형태의 수질 감시 시스템은, 침전조를 촬영하는 감시 카메라(1)로부터의 촬영 화상을 사용하여 비접촉에 의한 수질 감시를 실현함과 함께, 침전조의 상태 변화의 영향을 억제하여 고정밀도로 수질 이상을 검지할 수 있도록 한다.

도 1은, 본 실시 형태의 수질 감시 시스템을 구성하는 각 장치의 기능 블록도이다. 도 1에 도시하는 바와 같이, 본 실시 형태의 수질 감시 시스템은, 감시 장치(100) 및 학습 장치(200)를 포함하여 구성되어 있고, 감시 장치(100)는, 수질 감시 모델을 사용하여, 감시 카메라(1)가 촬영한 수질 감시 대상의 수질 이상을 검지한다. 학습 장치(200)는, 학습 데이터(교사 데이터)를 수집, 생성하고, 감시 장치(100)에서 사용되는 학습 완료 모델(수질 감시 모델)의 기계 학습, 심층 학습(딥 러닝) 등 학습 처리를 행한다.

감시 장치(100) 및 학습 장치(200)는, 감시 대상을 촬영하는 감시 카메라(1)와 무선 또는 유선으로 접속되어 있고, 감시 카메라(1)로부터 출력되는 감시 화상(감시 영상)이 각 장치(100, 200)에 입력 가능하게 구성되어 있다. 또한, 감시 대상인 침전조에는, 종래 마찬가지로 수질계(2)가 마련되어 있고, 수질계(2)의 측정값이, 감시 장치(100) 및 학습 장치(200)에 입력 가능하게 구성되어 있다.

감시 카메라(1)는, 예를 들어 원격 조작이 가능한 촬영 장치이고, 작업원에 의한 매뉴얼 조작으로 화각(줌)을 변경하거나, 감시 카메라(1)의 방향을 변경하거나 할 수 있다. 작업원은 매일, 필요에 따라 감시 카메라(1)를 원격 조작하여, 카메라의 방향을 바꾸거나, 줌 기능으로 화각을 조정하거나 하면서, 영상을 확인하여 감시 업무를 행할 수 있다. 또한, 화각이나 카메라의 방향을 고정한 촬영 장치여도 본 실시 형태의 수질 감시 시스템에 적용 가능하다.

<감시 장치(100)>

감시 장치(100)는, 도 1에 도시하는 바와 같이, 감시 제어부(110), 감시 결과 출력부 및 기억부(130)를 포함하여 구성되어 있고, 감시 제어부(110)는, 수질 이상 검지부(111)를 갖고 있다.

수질 이상 검지부(111)는, 물체 검지 모델을 사용하여, 감시 카메라로부터 출력되는 수질 감시 대상의 촬영 화상으로부터 수면 영역을 인식함과 함께, 인식된 수면 영역의 상태에 기초하는 수질 이상을 판정하는 수질 감시 모델로서 기능한다.

물체 검지 모델은, 예를 들어 컨벌루션 뉴럴 네트워크(Convolutional Neural Network: CNN) 등의 공지된 물체 검지(object detection) AI 모델을 적용할 수 있고, R-CNN, Fast R-CNN, Faster R-CNN, Mask R-CNN 등이 있다.

본 실시 형태의 물체 검지 모델은, 침전조의 수면 영역을 포함하는 화상을 사용하여 학습 처리가 실시된 학습 완료 모델이고, 화상 내에 물체가 있는지(물체 검출), 물체이면 그 물체는 수면인지(물체 인식)를 행하고, 인식된 수면의 좌표 등의 영역 정보를 출력한다. 예를 들어, 감시 화상을 입력하면, 컨벌루션층에서 특징량을 추출하고, 풀링층에서 특징량을 종횡 가변 사이즈로 취급할 수 있도록 하고, 화상 내의 「수면 영역」을 파악한다. 또한, 물체 검지 모델은, 수면 영역을 파악할 때에 추출한 특징량을 출력하고, 후술하는 감시 대상의 탁도 검지에 이용한다.

도 2는, 본 실시 형태의 물체 검지 모델의 설명도이다. 도 2에 도시하는 바와 같이, 화상 내의 수면 영역은, 침전조의 수면 위치가 낮아질수록 작아진다. 또한, 수면 위치가 낮아지면, 조벽에 의한 그림자의 영향으로 수면의 밝기가 어두워진다. 어두워지면 조벽과 수면의 경계가 판별하기 어려워진다. 한편, 수면 위치가 높아지면, 화상 내의 수면 영역이 커지고, 조벽에 의한 그림자의 영향을 받기 어려워, 수면이 비교적 밝다.

본 실시 형태에서는, 이렇게 수면 위치 및 밝기에 따른 수면 영역의 학습 처리를 행하여, 물체 검지 모델을 구축한다. 이 때문에, 수위 변동이 있어도 고정밀도로 수면 영역(감시 대상)을 파악할 수 있다. 다른 측면에서 설명하면, 예를 들어 원격 조작에 의해 감시 카메라(1)의 화각이 변경되거나, 카메라의 방향이 변경되거나 하면, 수위 변동과 마찬가지의 화상 내의 수면 영역이 물리적인 외관쪽의 차이가 발생하지만, 본 실시 형태의 물체 검지 모델에 의해 적확하게 화상 내의 「수면 영역」을 파악할 수 있다.

이어서, 수질 이상 검지부(112)는, 물체 검지 모델로부터 출력되는 수면 영역의 특징량에 기초하여 탁도 검지를 행하고, 물체 검지 모델에서 인식된 수면 영역의 상태에 기초하는 수질 이상을 판정한다.

도 3은, 본 실시 형태의 탁도 검지의 설명도이다. 도 3의 예에서는, 3개의 수질 이상 상태의 감시 화상(1 내지 3)을 예시하고 있다. 감시 화상(1)은, 많은 불순물이 수면 영역 전체에 떠오르고 있고, 불순물이 떠오르지 않고 있는 영역의 투명도가 낮다. 감시 화상(2)은, 불순물은 수면에 떠오르지 않고 있기는 하지만, 투명도가 낮다. 감시 화상(3)은, 수면 영역의 일부에 불순물이 떠오르고 있고, 나머지 부분에는 불순물이 떠오르지 않고 있다. 수질이 정상적인 상태인 감시 화상(0)에 대하여, 감시 화상(1 내지 3)에는, 불순물이나 투명도의 차이로, 수면 영역에 다른 것이 투영되어 있거나, 투명도에 대응하는 수면의 농담이 다르거나 한다.

그리고, 본 실시 형태에서는, 각 감시 화상에 대하여 SS 농도, 즉, 탁도 정도에 관한 특징량에 따른 신뢰 스코어를 산출하고, 신뢰 스코어(수질 이상임에 대한 정확도를 나타내는 스코어)에 기초하여 인식된 수면 영역의 수질 이상의 판정을 행한다.

예를 들어, 감시 화상(1)은, 많은 불순물이 수면 영역 전체에 떠오르고 있고, 불순물이 떠오르지 않고 있는 영역의 투명도가 낮으므로, 불순물의 특징량과 투명도가 낮은 특징량을 추출할 수 있으므로, 신뢰 스코어가 높게 산출된다(예를 들어, 신뢰 스코어 0.96). 한편, 감시 화상(2)은, 투명도가 낮은 특징량을 추출할 수 있고, 불순물의 특징량이 추출되지 않으므로, 감시 화상(1) 다음으로 높은 신뢰 스코어가 산출된다(예를 들어, 신뢰 스코어 0.78). 감시 화상(3)은, 수면 영역의 일부에 떠오르는 불순물의 특징량이 추출되고, 나머지 부분에는 불순물이 떠오르고 있지 않고, 투명도도 높다. 이 때문에, 신뢰 스코어는, 감시 화상(1, 2)에 비하여 낮게 산출된다(신뢰 스코어 0.52).

또한, 상기 설명에 있어서, 신뢰 스코어가 0 내지 1 사이의 값으로 산정되는 양태를 일례로 들어 설명했지만, 이상임에 대한 정확도를 나타내는 값이면 되고, 0 내지 1 사이의 값으로 산정하는 것에 한정되지 않고, 임의이다.

수질 이상 검지부(112)는, 물체 검지 모델로부터 추출된 특징량에 기초하여, 불순물의 특징량과 투명도가 낮은 특징량을 식별하고, 불순물의 특징량 및/또는 투명도가 낮은 특징량에 따른 신뢰 스코어를 산출하도록, 학습 처리를 행하여, 산출된 신뢰 스코어가 규정값을 초과하는 경우, 즉, 탁도 정도가 규정값을 초과하는 경우, 수질 이상이라고 판정한다. 또한, 규정값은, 교사 데이터에 기초하는 학습 처리에 의해 도출되는 역치이거나, 작업원 등에 의해 미리 설정된 역치여도 된다.

이렇게 본 실시 형태의 수질 이상 검지부(112)는, 물체 검지 모델을 포함하는 수질 감시 모델이고, 물체 검지 모델에 의해 감시 화상 내의 수면 영역(흐려진 수면)을 파악함과 함께, 수면 영역을 파악할 때에 물체 검지 모델이 추출한 수면 영역의 특징량을 사용하여 신뢰 스코어를 산출하고, 산출된 신뢰 스코어를 사용하여 수질 이상의 판정을 행한다.

본 실시 형태에 따르면, 물체 검지 모델을 사용하여 감시 화상 중에서 감시 대상의 수면 영역을 파악하므로, 감시 카메라로부터의 촬영 화상을 사용하여 비접촉에 의한 수질 감시를 실현함과 함께, 감시 대상의 상태 변화의 영향(수위 변동이나 감시 카메라의 화각 변동, 카메라 방향의 변동 등)이 있어도 고정밀도로 수질 이상을 검지할 수 있다.

도 4는, 본 실시 형태의 수질 감시 시스템의 처리 플로를 도시하는 도면이다. 감시 카메라(1)는, 감시 화상을 출력하고, 감시 장치(100)는, 출력된 감시 화상을 접수한다(S101). 감시 장치(100)(감시 제어부(110))는, 수질 감시 처리를 수행한다. 또한, 감시 화상이 입력되는 간격 및 수질 감시 처리를 수행하는 타이밍은 임의이다.

감시 장치(100)는, 접수한 감시 화상에 대하여 물체 검지 모델을 사용한 물체 검지 처리를 행하여, 감시 화상 내의 수면 영역을 검지한다(S102). 또한, 감시 장치(100)는, 검지된 수면 영역에 대한 수질 이상 검지(탁도 검지) 처리를 행하고, 신뢰 스코어에 기초하는 수질 이상의 판정을 행한다(S103).

감시 장치(100)(감시 결과 출력부(120))는, 스텝 S103에 있어서, 이상 있음이라고 판별된 경우(S104의 "예"), 신뢰 스코어를 포함하는 「이상 있음」의 감시 결과를 출력한다(S105). 한편, 스텝 S103에 있어서, 이상 없음이라고 판별된 경우(S104의 "아니오"), 신뢰 스코어를 포함하는 「이상 없음」의 감시 결과를 출력한다(S106).

예를 들어, 도 3의 예에서는, 감시 화상 상에, 「이상 있음」을 나타내는 「NG」와, 신뢰 스코어인 「0.96」이, 감시 결과로서 출력되고 있다. 또한, 감시 결과가 「이상 없음」의 경우에는, 예를 들어 「이상 없음」을 나타내는 「OK」와, 신뢰 스코어를 감시 결과로서 출력하도록 구성할 수 있다.

감시 장치(100)(감시 결과 출력부(120))는, 감시 결과 출력 처리로서, 네트워크를 통하여 감시 결과를, 미리 설정된 수신처에 전자 메일로 통지하거나, 소정의 기기에 푸시 통지하거나, 감시 화상이 표시되는 디스플레이 장치에 신뢰 스코어를 포함하는 감시 결과를 중첩 표시하거나, 감시 화상 상으로의 표시가 아닌, 시계열 데이터로서 디스플레이 장치에 표시하거나 할 수 있다. 감시 장치(100)(감시 결과 출력부(120))는, 감시 결과를 기억부(130)에 기억시킨다(S107).

상기 설명에 있어서, 신뢰 스코어를 포함하는 감시 결과를 출력하는 양태에 대하여 설명했지만, 신뢰 스코어를 포함하지 않는 양태에서 감시 결과를 출력하도록 구성해도 되지만, 작업원은, 신뢰 스코어를 봄으로써, 이상 상태의 정도를 파악할 수 있고, 수질 이상에 대한 대응의 적확화 및 신속화를 도모할 수 있다.

특히, 신뢰 스코어를 포함하는 감시 결과를 출력함으로써, 단순한 수질의 정상/이상의 통지에 머무르지 않고, 「수질의 변화」를 시계열로 파악할 수 있고, 금후, 수질 이상이 발생할 가능성이 있는 것을 시사하는 「수질 이상의 예고」로서의 정보가 제공되게 된다. 이 때문에, 수질 이상이 되기 전에 대응하는 것이 가능하게 된다. 또한, 감시 화상을 보고 앞으로의 수질 이상을 예측하는 것은 숙련된 스킬이나 경험이 필요하지만, 신뢰 스코어에 의해 수질의 상태를 정량적으로 파악할 수 있어, 작업원의 감시 업무를 적절하게 서포트할 수 있다.

또한, 신뢰 스코어를 포함하는 감시 결과의 양태로서, 수치로 표시된 신뢰 스코어를 제공하고 있지만, 꼭 그렇지만은 않다. 예를 들어, 신뢰 스코어를 소정의 수치 범위 단락으로 미리 랭크 구분하고, 신뢰 스코어의 다른 표현으로서, 그 수질 이상의 랭크를 포함하는 감시 결과를 출력하도록 구성해도 된다. 또한, 수질 이상이라고 판정된 경우와 그 이외에서 감시 결과의 적어도 일부의 색을 변화시켜서, 수질 이상이라고 파악하기 쉽도록 이펙트 처리를 행하도록 구성하거나, 수질 이상이라고 판정된 경우에 그 이상 정도가 높은 경우와 낮은 경우에서 다른 이펙트가 되도록 감시 결과를 출력하거나 해도 된다.

도 5는, 본 실시 형태의 수질 감시 시스템의 처리 플로를 도시하는 도면이고, 수질계(2)의 측정값(센서값)을 고려한 처리 플로를 도시하는 도면이다. 도 4와 마찬가지의 처리에 대해서는 동일 부호를 붙여서 설명을 생략한다.

도 5의 예는, 감시 화상에 추가하여, 감시 화상의 촬영 타이밍에 대응하는 수질계(2)의 측정값이 감시 장치(200)에 입력된다(S101a). 그리고, 감시 장치(200)(감시 제어부(110))는, 수질계(2)의 측정값에 수질 이상이 있는지의 여부, 바꿔 말하면, 수질계(2)의 측정값이 수질 이상에 관한 소정의 역치를 초과하는지의 여부를 판정한다(S104a).

그리고, 스텝 S104b에서는, 수질계(2)에 의한 수질 이상의 판정 결과에 관계없이, 도 4의 스텝 S104와 마찬가지로, 물체 검지 처리에 의해 추출된 수면 영역에 대한 수질 이상의 판정 처리를 행한다. 그리고, 감시 장치(200)는, 스텝 S104b의 수질 이상의 판정 결과를 감시 결과로서 출력한다.

이렇게 구성함으로써, 상술한 바와 같은 메인터넌스 부족에 의한 수질계(2)의 측정값 이상이 발생해도, 수질 감시 모델에 의해 정확한 수질 감시를 행할 수 있음과 함께, 수질계(2)의 메인터넌스 타이밍의 계기로서 파악할 수 있다. 즉, 본 실시 형태의 수질 감시 모델 및 수질계(2)의 측정값의 양쪽이 정상이라고 판정되면, 수질계(2)도 정상으로 가동하고 있고, 수질 감시 모델이 정상이고 수질계(2)의 측정값이 이상하면(또는 수질 감시 모델이 이상하고 수질계(2)의 측정값이 정상이면), 수질계의 메인터넌스(고장을 포함함)를 행할 필요가 있고, 수질 감시 모델 및 수질계(2)의 측정값의 양쪽이 이상이라고 판정되면, 감시 대상의 수질에 이상이 발생하였다고 보다 적확하게 파악할 수 있다.

또한, 상기 설명에 있어서, 신뢰 스코어가 수질 이상을 나타내는 지표로 하고 있지만, 이에 한정되지 않고, 수질의 정상을 나타내는 지표로서 신뢰 스코어를 산출하고, 수질 이상의 판정을 행하도록 구성해도 된다. 구체적으로는, 수질 이상 검지부(112)는, 물체 검지 모델로부터 추출된 특징량에 기초하여, 불순물의 특징량과 투명도가 높은 특징량을 식별하고, 불순물의 특징량 및/또는 투명도가 높은 특징량에 따른 신뢰 스코어를 산출하도록, 학습 처리를 행하고, 산출된 신뢰 스코어가 규정값 미만인 경우, 즉, 투명 정도가 규정값보다도 낮은(탁도 정도가 규정값보다도 높은) 경우, 수질이 이상하다고 판정할 수 있다.

따라서, 수질 이상 검지부(111)는, 물체 검지 모델에 의해 추출된 수면 영역의 탁도 상태의 특징량에 기초하는 신뢰 스코어로서, 수질이 정상인 것을 나타내는 지표를 산출하고, 신뢰 스코어에 기초하여 인식된 수면 영역의 수질 이상의 판정을 행할 수 있다.

또한, 수질 이상 검지부(112)는, 수질 이상을 나타내는 지표의 제1 신뢰 스코어와, 수질 정상을 나타내는 지표의 제2 신뢰 스코어를 각각 산출하고, 이들 양쪽의 신뢰 스코어를 사용한 수질 이상 판정을 행하도록 구성할 수도 있다. 예를 들어, 제1 신뢰 스코어가 제1 규정값을 초과하고, 또한 제2 신뢰 스코어가 제2 규정값보다도 낮은 경우에, 수면 영역의 수질이 이상하다고 판정할 수 있다. 이 경우, 수질 이상 검지부(112)는, 수질 이상의 관점에서 「이상」을 기준으로 한 학습 처리를 거쳐서 생성된 제1 학습 완료 모델과, 「정상」을 기준으로 한 학습 처리를 거쳐서 생성된 제2 학습 완료 모델을 포함하도록 구성할 수 있고, 이들의 제1 학습 완료 모델 및 제2 학습 완료 모델을 병렬로 또는 직렬로 연결한 수질 감시 모델을 구축할 수 있다.

<학습 장치(200)>

학습 장치(200)는, 도 1에 도시하는 바와 같이, 학습 데이터 수집부(210), 학습 데이터 선정부(220), 학습용 교사 데이터 생성부(230), 학습 처리부(240), 기억부(250)를 포함하여 구성되어 있다.

도 6은, 학습 장치(200)에 의한 학습 데이터의 수집 및 교사 데이터 생성의 설명도이다. 도 7은, 학습 장치(200)의 교사 데이터 생성에 관한 처리 플로를 도시하는 도면이다.

도 6에 도시하는 바와 같이, 학습 데이터 수집부(210)는, 수질 감시 대상에 마련되는 수질계(2)의 측정값(센서값)과, 당해 측정값에 대응하는 감시 화상을 세트로 한 학습 데이터를 기억부(250)에 저장한다. 이때, 감시 카메라(1) 및 수질계(2)가 학습 장치(200)와 네트워크를 통하여 접속되는 양태라면, 당해 네트워크를 통한 데이터 전송에 의해, 학습 데이터 수집부(210)는, 학습 데이터를 접수할 수 있다. 또한, 감시 카메라(1) 및 수질계(2)가 반드시 네트워크로 접속되어 있을 필요는 없고, 학습 장치(200)는, 이들로부터 출력된 감시 화상 및 측정값을 학습 데이터로서 접수 가능한 구성이면 된다.

학습 데이터 선정부(220)는, 수질계(2)의 측정값에 대응하는 소정의 기준값을 사용하여, 수집된 감시 화상을 2 이상의 그룹으로 자동 분류하는 분류 처리를 행한다. 구체적으로는, 미리, 수질계(2)에 기초하는 수질 감시 대상의 이상을 나타내는 기준값, 또는 수질계에 기초하는 수질 감시 대상의 정상을 나타내는 기준값을 소정의 기준값으로서 설정하고, 기억 장치(250)(각종 데이터(252))에 기억해 둔다. 그리고, 학습 데이터 선정부(220)는, 학습 데이터에 포함되는 측정값과 설정된 기준값을 비교하여, 기준값을 초과하는 감시 화상군의 그룹과, 기준값 미만의 감시 화상군의 그룹으로, 일시적인 자동 분류(임시 분류)를 행한다.

학습용 교사 데이터 생성부(230)는, 그룹별의 감시 화상군을 디스플레이 장치에 표시시키고, 자동 분류된 감시 화상에 대한 작업원에 의한 그룹 수동 분류 조작을 접수한다. 즉, 학습용 교사 데이터 생성부(230)는, 임시 분류된 각 그룹에 포함되는 감시 화상을 작업원이 눈으로 보아 체크할 수 있도록 하고, 필요에 따라, 감시 화상을 그룹으로부터 제외하거나, 그룹을 교체하거나 하는 작업원에 의한 수동 분류 기능을 제공한다. 학습용 교사 데이터 생성부(230)는, 자동 분류(임시 분류) 및 수동 분류를 거쳐서 분류된 그룹별의 감시 화상군을 교사 데이터로서 생성(축적)한다.

또한, 본 실시 형태의 학습 장치(200)는, 수질 이상의 관점에서 「이상」을 기준으로 설명하고 있지만, 「정상」을 기준으로 학습 데이터의 분류 및 교사 데이터의 생성을 행하도록 구성해도 된다.

학습 처리부(240)는, 생성된 교사 데이터를 적용하여 물체 검지 모델을 포함하는 수질 감시 모델의 학습 처리를 행한다. 또한, 물체 검지 모델의 학습 처리에 대해서는, 예를 들어 교사 데이터(감시 화상)에 대하여 미리 세그멘테이션 처리를 행하도록 구성할 수 있다. 이들의 학습 처리 및 교사 데이터에 대해서는, 공지된 방법을 적절히 채용할 수 있다.

이렇게 본 실시 형태의 학습 장치(200)는, 수집된 학습 데이터를 수질계(2)의 측정값에 기초하는 임시 분류 기능을 구비하고 있다.

학습 처리에서는 방대한 학습 데이터를 필요로 하고, 또한 교사 데이터(정상/이상)을 선별할 필요가 있다. 종래는, 작업원이 1매 1매의 화상 데이터를 확인하여 선별을 행하고 있었지만, 작업 효율이 나빴다. 특히, 수질 이상의 발생 빈도가 낮으면, 방대한 화상 중에서 수질 이상의 화상을 선정하는데, 많은 시간이 요해 버린다.

그래서, 본 실시 형태에서는, 감시 화상과 세트로 수질계(2)의 측정값을 수집하고, 수질계(2)의 측정값에 대응하는 소정의 기준값을 설정해 둔다(S201). 그리고, 역치를 초과하는 감시 화상을 이상 화상 그룹, 초과하지 않는 감시 화상을 정상 화상 그룹으로서 1차 진단을 행하여 자동 선별한다(S202).

임시 분류된 각 감시 화상은, 그룹별로 디스플레이 장치에 표시되고(S203), 작업원은, 최종적으로 수작업으로 각 감시 화상을 확인하고, 교사 데이터로서 선정하지만(S204), 이상 화상 그룹의 각 화상에 대하여 수질 이상의 화상이라고 하는 인식 하에서 확인 작업을 행하면 되고, 정상 화상 그룹의 각 화상에 대해서는, 수질 이상의 화상이 포함되어 있지 않은가라고 하는 인식 하에서 확인 작업을 행하면 된다. 즉, 수질 이상/정상이 혼재하고 있는 대량의 화상군 중에서, 수질 이상/정상의 각 화상을 선별하는 것보다도, 작업 효율이 향상되고, 화상 선정에 낭비하는 시간을 대폭으로 단축할 수 있다. 그리고, 자동 분류 및 수동 분류를 거쳐서 분류된 그룹별의 감시 화상군이 교사 데이터로서 생성(축적)된다(S205).

이상, 실시 형태에 대하여 설명했지만, 감시 장치(100) 및 학습 장치(200)는, 1개의 장치로 구성하고, 학습 시스템을 구비한 감시 장치로서 구성해도 된다. 또한, 장치(100, 200)는, 클라우드형의 서비스 제공 형태로서 구축하는 것도 가능하다. 즉, 감시 카메라(1)로부터 출력되는 감시 화상 및 수질계(2)로부터 출력되는 측정값을, IP망을 통하여 감시 장치(100)나 학습 장치(200)에 송신하도록 구성한다. 이에 의해, 클라우드측에서 학습 데이터를 수집할 수 있고, 또한 작업원이 열람 가능한 감시 설비(감시 단말기 등)에 감시 결과를 출력(제공)하도록 구성할 수 있다. 또한, 학습 장치(200)는, 학습 데이터의 수집 축적 기능과, 학습 기능이 따로따로의 장치로 구성된 양태여도 된다.

또한, 장치(100, 200)는, 서버 장치 등의 연산 기능, 기억 기능, 통신 기능 등을 구비하는 컴퓨터 장치이다. 또한, 하드웨어 구성으로서는, 메모리(주기억 장치), 마우스, 키보드, 터치 패널, 스캐너 등의 조작 입력 수단, 프린터 등의 출력 수단, 보조 기억 장치(하드 디스크 등) 등을 구비할 수 있다.

또한, 본 발명의 각 기능은, 프로그램에 의해 실현 가능하고, 각 기능을 실현하기 위하여 미리 준비된 컴퓨터 프로그램이 보조 기억 장치에 저장되고, CPU 등의 제어부가 보조 기억 장치에 저장된 프로그램을 주기억 장치에 읽어내고, 주기억 장치에 읽어내진 해당 프로그램을 제어부가 실행하여, 컴퓨터에 본 발명의 각 부의 기능을 동작시킬 수 있다. 한편, 장치(100, 200)의 각 기능은, 각각 개별의 장치로 구성할 수도 있고, 복수의 장치를 직접 또는 네트워크를 통하여 접속하여 컴퓨터 시스템을 구성할 수도 있다.

또한, 상기 프로그램은, 컴퓨터 판독 가능한 기록 매체에 기록된 상태에서, 컴퓨터에 제공하는 것도 가능하다. 컴퓨터 판독 가능한 기록 매체로서는, CD-ROM 등의 광디스크, DVD-ROM 등의 상변화형 광디스크, MO(Magnet Optical)나 MD(Mini Disk) 등의 광자기 디스크, 플로피(등록 상표) 디스크나 리무버블 하드 디스크 등의 자기 디스크, 컴팩트 플래시(등록 상표), 스마트 미디어, SD 메모리 카드, 메모리 스틱 등의 메모리 카드를 들 수 있다. 또한, 본 발명의 목적을 위해 특별히 설계되어서 구성된 집적 회로(IC칩 등) 등의 하드웨어 장치도 기록 매체로서 포함된다.

또한, 본 발명의 실시 형태를 설명했지만, 당해 실시 형태는, 예로서 제시한 것이고, 발명의 범위를 한정하는 것은 의도하고 있지 않다. 이 신규의 실시 형태는, 그 밖의 다양한 형태로 실시되는 것이 가능하고, 발명의 요지를 일탈하지 않는 범위에서, 다양한 생략, 치환, 변경을 행할 수 있다. 이들 실시 형태나 그 변형은, 발명의 범위나 요지에 포함됨과 함께, 특허 청구 범위에 기재된 발명과 그 균등의 범위에 포함된다.

1: 감시 장치
2: 수질계
100: 감시 장치
110: 감시 제어부
111: 수질 이상 검지부
120: 감시 결과 출력부
130: 기억부
200: 학습 장치
210: 학습 데이터 수집부
220: 학습 데이터 선정부
230: 학습용 교사 데이터 생성부
240: 학습 처리부
250: 기억부
251: 학습 완료 모델
252: 각종 데이터

Claims (5)

1. 물체 검지 모델을 사용하여, 감시 카메라로부터 출력되는 수질 감시 대상의 촬영 화상으로부터 수면 영역을 인식하고, 인식된 상기 수면 영역의 상태에 기초하는 수질 이상을 판정하는 수질 이상 검지부와,
   감시 결과를 출력하는 감시 결과 출력부
   를 갖는 것을 특징으로 하는 수질 감시 시스템.
2. 제1항에 있어서, 상기 수질 이상 검지부는, 물체 검지 모델에 의해 추출된 상기 수면 영역의 탁도 상태의 특징량에 기초하는 신뢰 스코어를 산출하고, 신뢰 스코어에 기초하여 인식된 상기 수면 영역의 수질 이상의 판정을 행하고
   상기 감시 결과 출력부는, 상기 신뢰 스코어를 포함하는 감시 결과를 출력하는 것을 특징으로 하는 수질 감시 시스템.
3. 제1항 또는 제2항에 있어서, 상기 감시 카메라는, 작업원에 의한 매뉴얼 조작으로 화각 또는 감시 카메라의 방향을 변경 가능한 것을 특징으로 하는 수질 감시 시스템.
4. 제1항 내지 제3항 중 어느 한 항에 있어서, 수질 감시 대상에 마련되는 수질계의 측정값과, 상기 측정값에 대응하는 감시 화상을 세트로 한 학습 데이터를 저장하는 학습 데이터 수집부와,
   상기 측정값에 대응하는 소정의 기준값을 사용하여, 감시 화상을 2 이상의 그룹으로 자동 분류하는 학습 데이터 선정부와,
   그룹별의 감시 화상군을 디스플레이 장치에 표시시키고, 자동 분류된 감시 화상에 대한 작업원에 의한 그룹 수동 분류 조작을 접수함과 함께, 자동 분류 및 수동 분류를 거쳐서 분류된 그룹별의 감시 화상군에 기초하는 교사 데이터를 생성하는 학습용 교사 데이터 생성부와,
   생성된 상기 교사 데이터를 적용하여 상기 수질 감시 모델의 학습 처리를 행하는 학습 처리부를 더 갖고,
   상기 소정의 기준값은, 수질계에 기초하는 수질 감시 대상의 이상을 나타내는 기준값, 또는 수질계에 기초하는 수질 감시 대상의 정상을 나타내는 기준값인 것을 특징으로 하는 수질 감시 시스템.
5. 컴퓨터에 의해 실행되는 프로그램이며,
   물체 검지 모델을 사용하여, 감시 카메라로부터 출력되는 수질 감시 대상의 촬영 화상으로부터 수면 영역을 인식하고, 인식된 상기 수면 영역의 상태에 기초하는 수질 이상을 판정하는 제1 기능과,
   감시 결과를 출력하는 제2 기능
   을 상기 컴퓨터에 실현시키기 위한 프로그램.

Images