TW202226057A

TW202226057A - 水質污染程度的自動識別模型的建立系統、以及水質污染程度識別系統與方法

Info

Publication number: TW202226057A
Application number: TW109146554A
Authority: TW
Inventors: 林正祥
Original assignee: 林正祥
Priority date: 2020-12-28
Filing date: 2020-12-28
Publication date: 2022-07-01

Abstract

一種水質污染程度的自動識別模型的建立系統、識別系統與方法，其特徵在於檢測污水中的特定微生物與族群量體，並建立待測水污染程度的識別模型。本發明的建立系統包括樣本輸入端與辨識處理端。辨識處理端包括影像輸入單元、儲存單元、第一處理單元、第一識別程序、第二識別程序與評比程序，第一處理單元電性連接於影像輸入單元與儲存單元，影像輸入單元擷取至少一目標圖像，第一處理單元將目標圖像分別輸入至第一識別程序與第二識別程序，第一識別程序根據目標圖像生成第一輸出結果，第二識別程序根據目標圖像生成第二輸出結果，評比程序根據第一輸出結果與第二輸出結果產生水質辨識模型。

Description

水質污染程度的自動識別模型的建立系統、以及水質污染程度識別系統與方法

本發明是關於一種自動辨識的處理系統、識別系統與方法，尤指一種水質污染程度的自動識別模型的建立系統、識別系統與方法。

識別水質的污染嚴重方式可以透過水中微生物種類所決定。特別是針對不同程度的廢水也需要提出對應的處理方式。如果採用相同方式對不同程度的廢水，可能會造成處理成本與時間的嚴重耗損。水質問題的產生大部分是因微生物相之改變所引起。一般的廢水改善系統通常採用生物處理方法作為改善廢水的手段。例如，活性污泥法、接觸氧化法、氧化深渠法、人工溼地、生態工法等，而其選用可以根據各程序之個別特性，按照所要適用之例如河川、湖泊、水庫、廢水處理場、排水處理設施等之環境條件來考量及決定。

生物處理方法主要是促進廢水中的微生物代謝功能，使得廢水中的微生物相可以恢復到正常水質的狀態。如此，藉由微生物相的觀察係可以綜合性地得知水質問題的本質與相對應的改善條件。若可以對採樣樣本進行快速的生物識別，對於早期導入相應的廢水處理就可以提高清潔的效率與節省用電等成本。

本發明揭露一種水質污染程度的自動識別模型的建立系統，其特徵在於檢測污水中的特定微生物與族群量體，並建立待測水污染程度的識別模型。

本發明的水質污染程度的自動識別模型的建立系統包括：樣本輸入端與辨識處理端。樣本輸入端用於提供訓練樣本；辨識處理端包括影像輸入單元、儲存單元、第一處理單元、第一識別程序、第二識別程序與評比程序，第一處理單元電性連接於影像輸入單元與儲存單元，影像輸入單元擷取訓練樣本中的至少一目標圖像，儲存單元存儲評比程序、第一識別程序與第二識別程序；其中，第一處理單元將目標圖像分別輸入至第一識別程序與第二識別程序，第一識別程序根據目標圖像生成第一輸出結果，第二識別程序根據目標圖像生成第二輸出結果，評比程序根據第一輸出結果與第二輸出結果產生水質辨識模型。

本發明另提供一種水質污染程度識別系統，其特徵在於應用水質污染程度的自動識別模型的建立系統所產生的水質辨識模型，並識別水質污染的等級。水質污染程度識別系統包括採樣端與分析處理端。採樣端提供水體樣本；分析處理端具有影像擷取單元、第二處理單元、記錄單元辨識模型與水質判別程序，第二處理單元電性連接影像擷取單元與記錄單元，記錄單元存儲水質判別程序，影像擷取單元拍攝水體樣本，第二處理單元將水體樣本輸入辨識模型並得到微生物資訊，水質判別程序根據微生物資訊得到水體樣本的污染結果。

本發明更提供一種水質污染程度識別方法包括以下步驟：採集水體樣本，並拍攝水體樣本的影像；將水體樣本的影像輸入水質判別程序，並判斷水體樣本中是否存在微生物；若水體樣本中不存在微生物，則更換新的水體樣本並重新執行判斷微生物之步驟；若水體樣本中存在微生物，則水質判別程序標註微生物並輸出微生物資訊；水質判別程序接收微生物資訊，並根據微生物資訊判斷水體樣本的污染等級。

本發明的水質污染程度的自動識別模型的建立系統、識別系統與方法透過污水中的微生物的種類與群聚數量，用以判斷水質污染的程度並提示污水廠與相關人員進行對應的處理。透過本發明的識別系統與方法可以快速的得到污水水質的判斷結果，無需透過其他化學驗證也可得到高驗證結果。

茲有關本發明之詳細內容及技術說明，現以實施例來作進一步說明，但應瞭解的是，該等實施例僅為例示說明之用，而不應被解釋為本發明實施之限制。

在本發明中可分為前置的水質辨識的模型訓練與應用識別模型兩部分。首先，請參考圖1所示，其係為本發明的水質污染程度的自動識別模型的建立系統架構圖。水質污染程度的自動識別模型的建立系統100包括樣本輸入端110與辨識處理端120。樣本輸入端110為水樣採集設備，用於提供訓練樣本130，所述的訓練樣本130係為所採集水體樣本。在進行訓練前需要進行訓練樣本130的前置處理，例如靜置訓練樣本130使懸浮物或雜質沈澱並移除、以及水質狀態確認等。而訓練樣本130的數量根據所採用的遮罩區域卷積神經網路(Mask Regions with Convolutional Neural Networks)、支持向量機(Support Vector Machine, SVM)與微生物種類所決定。

辨識處理端120至少包括影像輸入單元121、儲存單元122、第一處理單元123、第一識別程序124、第二識別程序125、以及評比程序126。第一處理單元123電性連接於影像輸入單元121與儲存單元124。本發明除了前述的將影像輸入單元121電性連接於第一處理單元123外，也可以通過網路連接的方式，使得影像輸入單元121於採樣現場拍攝訓練樣本。影像輸入單元121擷取訓練樣本中的至少一目標圖像。一般而言，影像輸入單元121可以從訓練樣本中的不同區域拍攝目標圖像。儲存單元122存儲第一識別程序124、第二識別程序125、及評比程序126。此外，影像輸入單元121可以調整不同放大倍率並拍攝訓練樣本，藉以取得不同尺寸級距的微生物。該辨識處理端120可以是桌上型電腦、筆記型電腦、智慧型手機或平板電腦等計算機裝置，在此不限制。

第一識別程序124採用U-Net卷積神經網路，第一識別程序124用於標記並識別目標圖像中的微生物。U-Net卷積神經網路由收縮路徑和膨脹路徑組成。收縮路徑遵循卷積網路的典型架構。U-Net卷積神經網路包括兩個3x3卷積的重複應用，每個卷積後面是一個整流的線性單元(ReLU)和一個2x2 max pooling運算用於下採樣。在每個下採樣步驟中，將特徵通道的數量增加一倍。擴充套件路徑中的每一步都包含一個向上取樣的特徵映射(feature map)。而膨脹路徑也對應收縮路徑的卷積處理而進行相應的擴充，以使上採樣的過程將與下採樣相對稱。

第一識別程序124對目標圖像進行影像部分區域切割並對所切割區域中的影像物件進行識別，並得到該影像物件的第一輸出結果。由於訓練過程中所識別的影像物件可能是微生物，也有可能是非微生物的物品。因此在經過第一識別程序124與第二識別程序125後所得到的影像物件，在此暫訂為輸出結果。更進一步而言，對於第一識別程序124所產生的影像物件，定義為第一輸出結果。對於第二識別程序125所產生的影像物件，則定義為第二輸出結果。第一識別程序124透過微生物的影像特徵進而判斷第一輸出結果所包含的影像物件。其中，影像特徵至少包括目標輪廓形狀、目標顏色、及目標表面特徵中之至少一種。

在本發明中，第二識別程序125採用的遮罩區域卷積神經網路、支持向量機的組合，第二識別程序125用於識別訓練樣本130中的微生物與其影像特徵。當目標圖像輸入遮罩區域卷積神經網路時，遮罩區域卷積神經網路會向目標圖像進行區域提案(proposals)，藉以取得每一個區域提案的影像特徵。在遮罩區域卷積神經網路中透過興趣區對齊(region of interest align)的處理，藉以加速對影像物件的邊緣框選的處理。在本發明中，第一識別程序124與第二識別程序125可以是並行處理(parallel computing)，亦或循序處理(pipeline computing)。前述的處理流程取決於辨識處理端120的運算能力所決定。

接下來，評比程序126會針對第一輸出結果與第二輸出結果進行比對，藉以確認兩識別程序所框選的影像物件是否相同，請配合圖2所示。評比程序126可以提供人機介面(interface)由使用者判斷，也可以透過第三種的識別程序作為第一輸出結果與第二輸出結果的評比。評比程序126比對第一輸出結果與第二輸出結果所得到的微生物的種類與準確度。並且由評比程序126對第一識別程序124與第二識別程序125的每一個輸出結果即予相應的評價設定。

舉例來說，若訓練樣本130的數量共為1000張數位影像且隨機分布數量不等的各類微生物，例如蕈頂蟲、楯纖蟲、鼬蟲、纖毛蟲、斜管蟲、膜帶蟲、麟殼蟲、游仆蟲、鞭毛蟲、草履蟲、吻頸蟲、輪蟲、桿尾蟲、吸管蟲、鐘形蟲。評比程序126可以統計第一輸出結果與第二輸出結果對於微生物種類的判別正確與判別準確度。最後，評比程序126根據第一輸出結果與第二輸出結果對於各類微生物的正確率與準確度即予相應的評定，用於產生針對各類微生物的辨識模型(亦即後文所述的水質辨識模型324)。

在完成水質辨識模型的建立後，分析處理端320可以透過已訓練的水質辨識模型進行水體樣本330的微生物識別。為能區別分析處理階段中的硬體架構差異，因此請另外參考圖3所示，其係為本發明的水質污染程度識別系統之架構示意圖。本發明的水質污染程度識別系統300包括採樣端310與分析處理端320。採樣端310用於採集水體樣本330，採樣端310為水樣採集設備，可以透過人工收集或無人機等方式採集水體樣本330。

分析處理端320具有影像擷取單元321、第二處理單元322、記錄單元323、水質辨識模型324、污水對應級距表325與水質判別程序326。第二處理單元322電性連接影像擷取單元321與記錄單元323，記錄單元323存儲水質辨識模型324、污水對應級距表325與水質判別程序326。影像擷取單元321拍攝水體樣本330。水體樣本330需要如前文所述的預先處理，並從採樣端310所得到的污水中取得多份的採集樣本。將所取出的採集樣本置放於載玻片上，以供影像擷取單元321拍攝水體樣本330。第二處理單元322將水體樣本330輸入水質辨識模型324並得到微生物資訊，水質判別程序326根據微生物資訊得到水體樣本330的污染結果。水質辨識模型324係根據第一識別程序124與第二識別程序125所組合的對水質的自動辨識機制。分析處理端320可以是桌上型電腦、筆記型電腦、智慧型手機或平板電腦等計算機裝置，在此不限制。另外，建立系統100中的檢測處理端120與識別系統300中的分析處理端320也可以是由使用者在同一計算機裝置進行操作。又，該分析處理端320還包括有一調整單元(圖未示)，其係用於供使用者確認該微生物資訊與修改該微生物資訊。

為清楚說明本發明的水質污染程度識別的處理過程，還請配合圖4所示。本發明的水質污染程度識別方法包括以下步驟：步驟S410：採集水體樣本，並拍攝水體樣本的影像；步驟S420：將水體樣本的影像輸入水質辨識模型，並判斷水體樣本中是否存在微生物；步驟S430：若水體樣本中不存在微生物，則更換新的水體樣本並重新執行判斷微生物之步驟；步驟S440：若水體樣本中存在微生物，則水質辨識模型標註出微生物並輸出微生物資訊；步驟S450：水質判別程序接收該微生物資訊，並根據微生物資訊判斷水體樣本的污染等級。

首先，由採樣端310收集目標區域中的污水水體樣本330。水體樣本330經過前置處理後，將水體樣本330分裝於不同的載玻片中並利用影像擷取單元321拍攝水體樣本330的影像。第二處理單元322將水體樣本330輸入水質辨識模型324並得到微生物資訊，微生物資訊包括微生物種類、群聚數量。

更具體而言，水質辨識模型324會確認水體樣本330中是否存在微生物。若水體樣本330中不存在微生物，則第二處理單元322將會發出通知，用於知會使用者更換新的水體樣本330並進行次一回合的辨識。若水體樣本330中存在微生物，則水質辨識模型324會標註出微生物並輸出微生物資訊；更且，使用者可進一步以人工判斷該微生物資訊中的微生物種類是否正確，若微生物種類不正確，則可經由調整單元向辨識處理端120發送調整要求，用於修正第一識別程序124與第二識別程序125以生成新的水質辨識模型324，如圖5所示。

水質判別程序326將統計所有水體樣本330的各類微生物資訊。換言之，水質判別程序326會針對各種微生物進行統計，並得到該區域的水體樣本330的所有微生物的數量記錄。水質判別程序326根據各類微生物的數量分布查找污水對應級距表325，確認水體樣本330的水質。在污水對應級距表325中記錄不同水質的污染條件與對應的屬性，例如：污染程度、拍攝倍率、水質顏色、水中雜質種類或微生物種類。舉例來說，根據樣品中的存在的指標微生物種類可以分為五種污染程度，分別為超高負荷、高負荷、標準負荷、低負荷、超低負荷，如下表1所示。

表1

汙染程度 (微生物相)	水質狀況	放大倍率	水體樣本1	水體樣本2	水體樣本3
超高負荷	1. 黑灰色 2.硫化氫味 3.BOD=50mg/L	＞200倍	細菌	鞭毛蟲	黑色膠羽
高負荷	1.白濁色 2.BOD=20mg/L	＞200倍	膜帶蟲	桿尾蟲	草履蟲
標準負荷	BOD=20mg/L	200倍	楯纖蟲	鐘形蟲	輪蟲
低負荷	1.BOD=10mg/L 2.NOD＞BOD	100倍	蕈頂蟲	下毛目纖毛蟲	麟殼蟲
超低負荷	NOD+BOD＜5mg/L	40~100倍	Dero蟲	球水蚤	紅斑顠體蟲

在不同程度的污水中，水質判別程序326可以識別不同種類的微生物並根據微生物數量與種類判別水體樣本330的被污染程度。水質判別程序326根據污染程度輸出一組污染等級，以供使用者參考水體樣本330的污染程度並對污水池進行相應處理。舉例來說，當水體樣本330被判定為超高或高負荷微生物相時，可以增加空氣量和污泥量、或暫時停止進流，另可將迴流污泥再曝氣，提高迴流比；當水體樣本330被判定為低負荷微生物相時，可將曝氣槽容積調為1/2~1/3，提高容積負荷，也可做間歇曝氣操作；當水體樣本330被判定為超低負荷微生物相時，可以減少送風量降低混合液懸浮固體(MLSS)，也可間歇曝氣或提高容積複合；當水體樣本330被判定為逼準負荷微生物相時，則不用進行調整，可繼續維持現有操作條件。

由於不同污染程度的水體需要對應的處理方式。特別是針對廢水的脫泥處理是需要耗費大量的電力。如果針對不同污染程度的水以相同功率進行廢水的脫泥處理，這對於高污染水質需要耗費更長的處理時間。通過本發明有效判定水體的污染程度並進行相應處理，能夠節省不必要的用電量，而達到節能之功效。

此外，對於不同污染程度的廢水也需要投放不同劑量的除污藥劑。由於本發明利用辨識微生物種類與數量用於判斷水質污染的程度，在經過處理後的廢水也可以提供使用者在不同時間點投放相應的除污藥劑。如此一來，廠商可以有效的降低投放藥劑的劑量並動態調整投放藥劑的時間間距。

惟以上所述者，僅為本發明之較佳實施例而已，當不能以此限定本發明實施之範圍，即大凡依本發明申請專利範圍及發明說明內容所作之簡單的等效變化與修飾，皆仍屬本發明專利涵蓋之範圍內。

100:建立系統 110:樣本輸入端 120:辨識處理端 121:影像輸入單元 122:儲存單元 123:第一處理單元 124:第一識別程序 125:第二識別程序 126:評比程序 130:訓練樣本 300:識別系統 310:採樣端 320:分析處理端 321:影像擷取單元 322:第二處理單元 323:記錄單元 324:水質辨識模型 325:污水對應級距表 326:水質判別程序 330:水體樣本

圖1係為本發明的水質污染程度的自動識別模型的建立系統架構圖。圖2係為本發明的多識別程序與評比程序的處理示意圖。圖3係為本發明的水質污染程度識別系統架構圖。圖4係為本發明的水質污染程度識別的處理流程示意圖。圖5係為本發明的水質辨識模型標註微生物資訊的示意圖。

100:建立系統

110:樣本輸入端

120:辨識處理端

121:影像輸入單元

122:儲存單元

123:第一處理單元

124:第一識別程序

125:第二識別程序

126:評比程序

130:訓練樣本

Claims

一種水質污染程度的自動識別模型的建立系統，其係包括：一樣本輸入端，用於提供一訓練樣本；以及一辨識處理端，其係包括一影像輸入單元、一儲存單元、一第一處理單元、一第一識別程序、一第二識別程序與一評比程序，該第一處理單元電性連接於該影像輸入單元與該儲存單元，該影像輸入單元擷取該訓練樣本中的至少一目標圖像，該儲存單元存儲該評比程序、該第一識別程序與該第二識別程序；其中該第一處理單元將該目標圖像分別輸入至該第一識別程序與該第二識別程序，該第一識別程序根據該目標圖像生成一第一輸出結果，該第二識別程序根據該目標圖像生成一第二輸出結果，該評比程序根據該第一輸出結果與該第二輸出結果產生一水質辨識模型。
如請求項1所述之水質污染程度的自動識別模型的建立系統，其中該第一識別程序對該目標圖像進行一U-Net卷積神經網絡處理並產生該第一輸出結果。
如請求項2所述之水質污染程度的自動識別模型的建立系統，其中該第二識別程序係為一遮罩區域卷積神經網路(Mask Regions with Convolutional Neural Networks)與一支持向量機(Support Vector Machine, SVM)之組合。
如請求項1所述之水質污染程度的自動識別模型的建立系統，其中該評比程序接收一調整要求並用於修正微生物的影像特徵，藉以調校該第一識別程序或該第二識別程序的輸出，該影像特徵包括一目標輪廓形狀、一目標顏色、及一目標表面特徵中之至少一種。
一種水質污染程度識別系統，其特徵在於辨識污水中的微生物種類與數量並判別水質的污染程度，該水質污染程度識別系統包括：一採樣端，提供一水體樣本；一分析處理端，其係具有一影像擷取單元、一第二處理單元、一記錄單元、一水質辨識模型、一水質判別程序；其中該水質辨識模型是基於請求項1至4中任一項的建立系統所建立而成；該第二處理單元電性連接該影像擷取單元與該記錄單元，該記錄單元存儲該水質判別程序及該水質辨識模型，該影像擷取單元拍攝該水體樣本，該第二處理單元將該水體樣本輸入該水質辨識模型並得到一微生物資訊，該水質判別程序根據該微生物資訊得到該水體樣本的一污染結果。
如請求項5所述之水質污染程度識別系統，其中該微生物資訊包括一微生物種類、及一群聚數量。
如請求項5所述之水質污染程度識別系統，其中該分析處理端更包括一調整單元，其係用於供使用者確認該微生物資訊與修改該微生物資訊。
如請求項6所述之水質污染程度識別系統，其中該分析處理端更包括一污水對應級距表，該水質判別程序根據該微生物資訊查找該污水對應級距表並得到該污染結果。
一種水質污染程度識別方法，其特徵在於利用請求項5至8中任一項的系統辨識污水中的微生物種類與數量並判別水質的污染程度，該水質污染程度識別方法包括：採集一水體樣本，並拍攝該水體樣本的影像；將該水體樣本的影像輸入該水質辨識模型，經由該水質辨識模型判斷該水體樣本中是否存在微生物；若該水體樣本中不存在微生物，則更換新的該水體樣本並重新執行判斷微生物之步驟；若該水體樣本中存在一微生物，則該水質辨識模型標註該微生物並輸出一微生物資訊；以及該水質判別程序接收該微生物資訊，並根據該微生物資訊判斷該水體樣本的一污染等級。
如請求項9所述之水質污染程度識別方法，其中輸出該微生物資訊之步驟更包括：判斷該微生物資訊的微生物種類是否正確；以及若該微生物資訊的微生物種類不正確，則向請求項1至4中任一項之建立系統中的該辨識處理端發送一調整要求，用於修正該水質辨識模型。