特許ウォッチ

公開番号2024165756
公報種別公開特許公報(A)
公開日2024-11-28
出願番号2023082237
出願日2023-05-18
発明の名称水質判定方法および水質判定装置
出願人JFEエンジニアリング株式会社
代理人弁理士法人酒井国際特許事務所
主分類C02F 3/12 20230101AFI20241121BHJP(水,廃水,下水または汚泥の処理)
要約【課題】処理水の画像を用いた画像解析によって処理水の水質の良否を高精度に判定すること。
【解決手段】活性汚泥を含む処理水の水質を判定する水質判定方法であって、処理水を撮像して複数の汚泥画像データを第1入力パラメータとして取得する撮像ステップと、処理水の処理施設のプラントデータを第2入力パラメータとして取得するプラントデータ取得ステップと、複数の記汚泥画像データを第1入力パラメータとして沈降性判定モデルに入力して、処理水の水質の良否を第1出力パラメータとして出力する沈降性判定ステップと、プラントデータを第2入力パラメータとして処理水SS予測モデルに入力して、処理水の水質の良否を第2出力パラメータとして出力する処理水SS予測ステップと、を含む。
【選択図】図8
特許請求の範囲【請求項１】
取得した活性汚泥を含む処理水の水質を判定する水質判定方法であって、
活性汚泥を含む処理水を採取して撮像することにより複数の汚泥画像データを第１入力パラメータとして取得する撮像ステップと、
活性汚泥を含む処理水を処理する処理施設におけるプラントデータを第２入力パラメータとして取得するプラントデータ取得ステップと、
複数の前記汚泥画像データを第１入力パラメータとして沈降性判定モデルに入力して、前記処理水の水質の良否を第１出力パラメータとして出力する沈降性判定ステップと、
前記プラントデータを第２入力パラメータとして処理水ＳＳ予測モデルに入力して、前記処理水の水質の良否を第２出力パラメータとして出力する処理水ＳＳ予測ステップと、を含み、
前記沈降性判定モデルは、あらかじめ採取した活性汚泥の汚泥画像データを学習用入力パラメータとし、前記汚泥画像データに対応した、あらかじめ汚泥の沈降性の良否と、前記汚泥の沈降性の良否に基づいて前記処理水の良否を判定した良否の判定結果を学習用出力パラメータとして、機械学習によってあらかじめ生成された学習モデルであり、
前記処理水ＳＳ予測モデルは、あらかじめ取得したプラントデータを学習用入力パラメータとし、前記プラントデータに対応した処理水のＳＳ濃度またはＳＳクラスと、前記ＳＳ濃度またはＳＳクラスに基づいた前記処理水の水質の良否とを学習用出力パラメータとし、機械学習によってあらかじめ生成された学習モデルである
水質判定方法。
続きを表示（約 1,600 文字）【請求項２】
前記沈降性判定モデルの生成における前記機械学習のニューラルネットワークは、畳み込みニューラルネットワークである
請求項１に記載の水質判定方法。
【請求項３】
前記沈降性判定ステップにおいて、前記活性汚泥の沈降性が良であると判定した場合に前記処理水ＳＳ予測ステップを実行する
請求項１に記載の水質判定方法。
【請求項４】
前記プラントデータは、硝酸濃度、ＭＬＳＳ濃度、流入水量、余剰汚泥引抜量、処理水の温度、全窒素濃度、アンモニア濃度、有機物濃度、および送風量から選択された少なくとも１つのデータを含む
請求項１に記載の水質判定方法。
【請求項５】
前記プラントデータは、硝酸濃度、ＭＬＳＳ濃度、流入水量、余剰汚泥引抜量、処理水の温度、全窒素濃度、アンモニア濃度、有機物濃度、および送風量のデータを含む
請求項１に記載の水質判定方法。
【請求項６】
前記沈降性判定モデルにおける前記学習用入力パラメータとして用いる前記汚泥画像データに対して、学習用出力パラメータとして、前記汚泥画像データに対応した処理水の基準値の８０％以下の汚泥画像データにおける水質の判定結果を良とし、前記処理水の基準値の２００％以上の汚泥画像データにおける水質の判定結果を不良とする
請求項１に記載の水質判定方法。
【請求項７】
前記沈降性判定モデルは、採取された汚泥画像データの数のうち、クラス所属確率が所定の第１閾値以上の数と、クラス所属確率が所定の第２閾値以下の数との合計に対する、クラス所属確率が所定の第１閾値以上の数の割合を、不良度とし、前記不良度に基づいて、処理水の沈降性を判定する
請求項１に記載の水質判定方法。
【請求項８】
取得した活性汚泥を含む処理水の水質を判定する制御部を有する水質判定装置であって、
前記制御部は、
活性汚泥を含む処理水を採取して撮像することにより複数の汚泥画像データを第１入力パラメータとして取得して、複数の前記汚泥画像データを第１入力パラメータとして沈降性判定モデルに入力して、前記処理水の水質の良否を第１出力パラメータとして出力可能であり、
活性汚泥を含む処理水を処理する処理施設におけるプラントデータを第２入力パラメータとして取得して、前記プラントデータを第２入力パラメータとして処理水ＳＳ予測モデルに入力して、前記処理水の水質の良否を第２出力パラメータとして出力可能であり、
前記沈降性判定モデルは、あらかじめ採取した活性汚泥の汚泥画像データを学習用入力パラメータとし、前記汚泥画像データに対応した、あらかじめ汚泥の沈降性の良否と、前記汚泥の沈降性の良否に基づいて前記処理水の良否を判定した良否の判定結果を学習用出力パラメータとして、機械学習によってあらかじめ生成された学習モデルであり、
前記処理水ＳＳ予測モデルは、あらかじめ取得したプラントデータを学習用入力パラメータとし、前記プラントデータに対応した処理水のＳＳ濃度またはＳＳクラスと、前記ＳＳ濃度またはＳＳクラスに基づいた前記処理水の水質の良否とを学習用出力パラメータとし、機械学習によってあらかじめ生成された学習モデルである
水質判定装置。
【請求項９】
前記沈降性判定モデルの生成における前記機械学習のニューラルネットワークは、畳み込みニューラルネットワークである
請求項８に記載の水質判定装置。
【請求項１０】
前記制御部は、前記沈降性判定モデルから前記第１出力パラメータとして前記活性汚泥の沈降性が良であると出力された場合に、前記処理水ＳＳ予測モデルから前記第２出力パラメータとして前記処理水の水質の良否を出力する
請求項８に記載の水質判定装置。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、水質判定方法および水質判定装置に関する。
続きを表示（約 1,800 文字）【背景技術】
【０００２】
従来、排水処理システムによる有機物を含む排水に対する排水処理には、微生物を使用した生物処理が用いられる場合が多い。生物処理において、下水や排水中に含まれる有機物を基質として人為的に培養された微生物の集合体を活性汚泥と称する。活性汚泥中においては、細菌（従属栄養生物）、糸状菌、酵母、原生生物、後生生物などの多様な生物種が相互作用することによって、水中の有機物、窒素（Ｎ
2
）、およびリン（Ｐ）などが処理される。
【０００３】
この排水処理システムの運転支援ツールとして、各種プラントデータを入力値として、経験式や人工知能などによって、処理水水質の１つである浮遊物質量（ＳＳ：Suspended Solids）の濃度（ＳＳ濃度）を予測する手法が提案されている（特許文献１，２参照）。
【先行技術文献】
【特許文献】
【０００４】
特許第７１２２９８９号公報
特開平６－３２８０９１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
排水などの処理水のＳＳ濃度の悪化の要因の中には、糸状菌が優占することによって汚泥が浮上することなどがある。しかしながら、限られたプラントデータのみでは処理水の悪化の予兆を広範に捉えることが困難な場合がある。そのため、処理水の水質に関する良否の判定を行うために、処理水の画像を用いた画像解析によって処理水の水質の良否を高精度に判定できる方法が求められていた。
【０００６】
本発明は、上記に鑑みてなされたものであって、その目的は、処理水の画像を用いた画像解析によって処理水の水質の良否を高精度に判定可能な水質判定方法および水質判定装置を提供することにある。
【課題を解決するための手段】
【０００７】
上述した課題を解決し、目的を達成するために、本発明の一態様に係る水質判定方法は、取得した活性汚泥を含む処理水の水質を判定する水質判定方法であって、活性汚泥を含む処理水を採取して撮像することにより複数の汚泥画像データを第１入力パラメータとして取得する撮像ステップと、活性汚泥を含む処理水を処理する処理施設におけるプラントデータを第２入力パラメータとして取得するプラントデータ取得ステップと、複数の前記汚泥画像データを第１入力パラメータとして沈降性判定モデルに入力して、前記処理水の水質の良否を第１出力パラメータとして出力する沈降性判定ステップと、前記プラントデータを第２入力パラメータとして処理水ＳＳ予測モデルに入力して、前記処理水の水質の良否を第２出力パラメータとして出力する処理水ＳＳ予測ステップと、を含み、前記沈降性判定モデルは、あらかじめ採取した活性汚泥の汚泥画像データを学習用入力パラメータとし、前記汚泥画像データに対応した、あらかじめ汚泥の沈降性の良否と、前記汚泥の沈降性の良否に基づいて前記処理水の良否を判定した良否の判定結果を学習用出力パラメータとして、機械学習によってあらかじめ生成された学習モデルであり、前記処理水ＳＳ予測モデルは、あらかじめ取得したプラントデータを学習用入力パラメータとし、前記プラントデータに対応した処理水のＳＳ濃度またはＳＳクラスと、前記ＳＳ濃度またはＳＳクラスに基づいた前記処理水の水質の良否とを学習用出力パラメータとし、機械学習によってあらかじめ生成された学習モデルである。
【０００８】
本発明の一態様に係る水質判定方法は、上記の発明において、前記沈降性判定モデルの生成における前記機械学習のニューラルネットワークは、畳み込みニューラルネットワークである。
【０００９】
本発明の一態様に係る水質判定方法は、上記の発明において、前記沈降性判定ステップにおいて、前記活性汚泥の沈降性が良であると判定した場合に前記処理水ＳＳ予測ステップを実行する。
【００１０】
本発明の一態様に係る水質判定方法は、上記の発明において、前記プラントデータは、硝酸濃度、ＭＬＳＳ濃度、流入水量、余剰汚泥引抜量、処理水の温度、全窒素濃度、アンモニア濃度、有機物濃度、および送風量から選択された少なくとも１つのデータを含む。
（【００１１】以降は省略されています）

関連特許