JP7484535B2 - 異常判定システムおよび異常判定方法 - Google Patents
異常判定システムおよび異常判定方法 Download PDFInfo
- Publication number
- JP7484535B2 JP7484535B2 JP2020129418A JP2020129418A JP7484535B2 JP 7484535 B2 JP7484535 B2 JP 7484535B2 JP 2020129418 A JP2020129418 A JP 2020129418A JP 2020129418 A JP2020129418 A JP 2020129418A JP 7484535 B2 JP7484535 B2 JP 7484535B2
- Authority
- JP
- Japan
- Prior art keywords
- airflow
- regression model
- amount
- area
- reaction tank
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000005856 abnormality Effects 0.000 title claims description 67
- 238000001514 detection method Methods 0.000 title description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 46
- 238000006243 chemical reaction Methods 0.000 claims description 43
- 238000012545 processing Methods 0.000 claims description 33
- 238000013500 data storage Methods 0.000 claims description 22
- 238000013136 deep learning model Methods 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 19
- 230000003044 adaptive effect Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 11
- 239000006260 foam Substances 0.000 description 6
- 239000002351 wastewater Substances 0.000 description 6
- 238000005273 aeration Methods 0.000 description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 244000005700 microbiome Species 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 238000013135 deep learning Methods 0.000 description 4
- 230000010365 information processing Effects 0.000 description 4
- 239000010802 sludge Substances 0.000 description 4
- 238000007664 blowing Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- IJGRMHOSHXDMSA-UHFFFAOYSA-N Atomic nitrogen Chemical compound N#N IJGRMHOSHXDMSA-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- XKMRRTOUMJRJIA-UHFFFAOYSA-N ammonia nh3 Chemical compound N.N XKMRRTOUMJRJIA-UHFFFAOYSA-N 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 239000005416 organic matter Substances 0.000 description 2
- IBIRZFNPWYRWOG-UHFFFAOYSA-N phosphane;phosphoric acid Chemical compound P.OP(O)(O)=O IBIRZFNPWYRWOG-UHFFFAOYSA-N 0.000 description 2
- 238000000746 purification Methods 0.000 description 2
- JVMRPSJZNHXORP-UHFFFAOYSA-N ON=O.ON=O.ON=O.N Chemical compound ON=O.ON=O.ON=O.N JVMRPSJZNHXORP-UHFFFAOYSA-N 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- MMDJDBSEMBIJBB-UHFFFAOYSA-N [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] Chemical compound [O-][N+]([O-])=O.[O-][N+]([O-])=O.[O-][N+]([O-])=O.[NH6+3] MMDJDBSEMBIJBB-UHFFFAOYSA-N 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- -1 etc. Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 229910052757 nitrogen Inorganic materials 0.000 description 1
- 229910052698 phosphorus Inorganic materials 0.000 description 1
- 239000011574 phosphorus Substances 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000010865 sewage Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Description
すなわち、本発明の異常判定システムは、反応槽と送風機を備えた処理装置の異常判定システムであって、前記反応槽を撮影した画像データを保存する画像データ記憶部と、前期画像データの泡の面積を算出する画像処理部と、前記泡の面積を保存する泡面積記憶部と、前記送風機の送風量を保存する送風量データ記憶部と、前記泡の面積と前記送風量とに基づいて回帰モデルを作成する回帰モデル作成部と、新たに取得した泡の面積と前記回帰モデルとから送風量を推定する送風量推定部と、前記推定した送風量と実際の送風量とに基づいて異常を判定する異常判定部と、を備える。
このような発明によれば、画像データと送風量のデータから回帰モデルを作成し、回帰モデルから推定した送風量と実際の送風量とに基づいて異常の判定が行われるので、送風量だけではなく複数の観点に基づいて、確度の高い異常判定を行うことができる。
このような構成によれば、泡の面積に加えさらに水質データに基づいて回帰モデルが作成されるので、さらに精度のよい送風量の推定が可能となり、異常判定の確度が向上する。
このような発明によれば、水質データと画像データと送風量のデータに基づいて深層学習モデルが作成されるので、データの解析の手順を単純化することができる。深層学習モデルは、自動的にモデルのパラメータを最適化するので、精度の良い送風量を推定でき、異常判定の確度を向上することができる。
このような構成によれば、泡の面積を精度よく算出することができ、異常判定の確度を向上することができる。
このような発明によれば、画像データと送風量のデータと水質データから回帰モデルを作成し、回帰モデルから推定した送風量と実際の送風量とに基づいて異常の判定が行われるので、送風量だけではなく複数の観点に基づいて、確度の高い異常判定を行うことができる。
以下、添付図面を参照して、本発明の実施の形態について説明する。
図1は、本実施形態に係る異常判定システムを含む全体の構成を示す概略図であって、反応槽2と送風機3を備えた処理装置100の異常判定システム1が示されている。処理装置100は、反応槽2と送風機3に加え、反応槽2に空気を散気する散気装置4、送風機3から散気装置4への空気の流通を開閉するバルブ5、送風機3から散気装置4への空気の送風量を測定する送風量測定機器6、反応槽の水面を撮影するカメラ7を備えている。送風量測定機器6で検知された送風量とカメラ7で撮影された画像データは、異常判定システム1に逐次送信されている。
(1)RGBの3チャンネルの取得画像をグレースケール化し、1チャンネル、画素値0~255に変換する。
(2)ノイズ除去のため平滑化フィルタをかける。
(3)適応的2値化により水面を画素値0(黒)、泡を画素値1(白)に変換する。
(4)画像全体の画素値の和をとり、白(泡)の面積を算出する。
ここでは、泡を画素値1としているので、画像全体の画素値の和が泡の面積を表現することとなる。
図5は、本実施形態に係る異常判定システム20の構成を示す機能ブロック図である。本実施形態が、第1実施形態と異なる点は、異常判定システム20が反応槽2の水質データを記憶する水質データ記憶部15を備える点である。その他、第1実施形態と同様の構成要素については、同一の符号を付し、その説明を省略する。
図6は、本実施形態に係る異常判定システム30の構成を示す機能ブロック図である。本実施形態が、第2実施形態と異なる点は、送風量を推定する手段として深層学習を用いる深層学習モデル作成部16と深層学習モデルパラメータ記憶部16aを備える点である。
その他、第2実施形態と同様の構成要素については、同一の符号を付し、その説明を省略する。
深層学習モデル作成部16では画像データの画素値および水質データを入力とし、送風量を推定する深層学習モデルを作成する。このとき、画像にフィルタをかけて畳み込み処理を行うことも可能である。深層学習モデルの例を図7に示す。3チャンネルの画像データをコンボリューション層およびマックスプーリング層Sで特徴量を抽出する。抽出した画像データの特徴量とアンモニウム態窒素、リン酸態リンなどの水質データを全結合層Uに入れ、送風量を推定する深層学習の重みパラメータの調整を行う。深層学習モデルパラメータ記憶部16aでは、深層学習モデル作成部16で作成したパラメータを保存する。送風量推定部13では深層学習モデルパラメータ記憶部16aに保存されたパラメータにより深層学習モデルを作成し新たに取得した泡の量および水質データから送風量を推定する。以下の処理については、第1実施形態と同様の処理を行い、処理装置100の状態の判定が行われる。
2 反応槽
3 送風機
8 画像データ記憶部
9 画像処理部
10 泡面積記憶部
11 送風量データ記憶部
12 回帰モデル作成部
13 送風量推定部
14 異常判定部
15 水質データ記憶部
16 深層学習モデル作成部
100 処理装置
Claims (5)
- 反応槽と送風機を備えた処理装置の異常判定システムであって、
前記反応槽を撮影した画像データを保存する画像データ記憶部と、
前期画像データの泡の面積を算出する画像処理部と、
前記泡の面積を保存する泡面積記憶部と、
前記送風機の送風量を保存する送風量データ記憶部と、
前記泡の面積と前記送風量とに基づいて回帰モデルを作成する回帰モデル作成部と、
新たに取得した泡の面積と前記回帰モデルとから送風量を推定する送風量推定部と、
前記推定した送風量と実際の送風量とに基づいて、前記処理装置の前記送風機から前記反応槽への送風量データの異常を判定する異常判定部と、を備える異常判定システム。 - 前記反応槽の水質データを保存する水質データ記憶部を備え、
前記回帰モデル作成部は、前記水質データと前記泡の面積と前記送風量とに基づいて回帰モデルを作成し、
前記送風量推定部は、新たに取得した泡の面積と水質データと、前記回帰モデルとから送風量を推定する、請求項1に記載の異常判定システム。 - 反応槽と送風機を備えた処理装置の異常判定システムであって、
前記反応槽を撮影した画像データを保存する画像データ記憶部と、
前記送風機の送風量を保存する送風量データ記憶部と、
前記反応槽の水質データを保存する水質データ記憶部と、
前記水質データと前記画像データと前記送風量とに基づいて深層学習モデルを作成する深層学習モデル作成部と、
新たに取得した画像データと水質データと、前記深層学習モデルとから送風量を推定する送風量推定部と、
前記推定した送風量と実際の送風量とに基づいて、前記処理装置の前記送風機から前記反応槽への送風量データの異常を判定する異常判定部と、を備える異常判定システム。 - 前記画像処理部は、適応的2値化により泡の面積を算出する、請求項1または2に記載の異常判定システム。
- 反応槽と送風機を備えた処理装置の異常判定方法であって、
前記反応槽を撮影すること、
前期撮影した画像データの泡の面積を算出すること、
前記送風機の送風量を測定すること、
前記泡の面積と前記送風量とに基づいて回帰モデルを作成すること、
新たに撮影した画像データの泡の面積と前記回帰モデルとから送風量を推定すること、
前記推定した送風量と実際の送風量とに基づいて、前記処理装置の前記送風機から前記反応槽への送風量データの異常を判定すること、を含む異常判定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020129418A JP7484535B2 (ja) | 2020-07-30 | 2020-07-30 | 異常判定システムおよび異常判定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020129418A JP7484535B2 (ja) | 2020-07-30 | 2020-07-30 | 異常判定システムおよび異常判定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022026110A JP2022026110A (ja) | 2022-02-10 |
JP7484535B2 true JP7484535B2 (ja) | 2024-05-16 |
Family
ID=80264914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020129418A Active JP7484535B2 (ja) | 2020-07-30 | 2020-07-30 | 異常判定システムおよび異常判定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7484535B2 (ja) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003303017A (ja) | 2002-04-11 | 2003-10-24 | Toshiba Corp | プラント制御支援装置 |
JP2004188268A (ja) | 2002-12-09 | 2004-07-08 | Toshiba Corp | 水質監視制御装置及び下水処理システム |
JP2019136664A (ja) | 2018-02-13 | 2019-08-22 | 株式会社明電舎 | 水質分析装置及び水質分析方法 |
JP2020110747A (ja) | 2019-01-09 | 2020-07-27 | 株式会社日立製作所 | 水処理システム |
-
2020
- 2020-07-30 JP JP2020129418A patent/JP7484535B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003303017A (ja) | 2002-04-11 | 2003-10-24 | Toshiba Corp | プラント制御支援装置 |
JP2004188268A (ja) | 2002-12-09 | 2004-07-08 | Toshiba Corp | 水質監視制御装置及び下水処理システム |
JP2019136664A (ja) | 2018-02-13 | 2019-08-22 | 株式会社明電舎 | 水質分析装置及び水質分析方法 |
JP2020110747A (ja) | 2019-01-09 | 2020-07-27 | 株式会社日立製作所 | 水処理システム |
Also Published As
Publication number | Publication date |
---|---|
JP2022026110A (ja) | 2022-02-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4762088B2 (ja) | プロセス異常診断装置 | |
US20220035361A1 (en) | Systems and Methods for Artificial Intelligence-Based Maintenance of An Air Conditioning System | |
CN116233370B (zh) | 基于水质监测的智能化视频监控方法 | |
KR100708393B1 (ko) | 이미지 분석 기법을 이용한 자동 슬러지 침전능 계측장치 | |
JPH0627014A (ja) | 水質汚染監視装置及びその方法 | |
JP7083269B2 (ja) | 凝集を伴う水処理プラントの制御方法および制御装置 | |
CN116416555A (zh) | 一种基于图像分析的信息处理方法、装置及设备 | |
CN114943917A (zh) | 一种视觉识别污水厂好氧池曝气量的算法 | |
CN112200011A (zh) | 曝气池状态检测方法、***、电子设备及存储介质 | |
CN115685792B (zh) | 基于流量阈值的废水间歇性排污口流量触发方法及装置 | |
JP7484535B2 (ja) | 異常判定システムおよび異常判定方法 | |
Jenné et al. | Towards on-line quantification of flocs and filaments by image analysis | |
KR101016394B1 (ko) | 급속 미생물 호흡률 측정장치와 에스에스, 이시 측정기가 결합한 실시간 하수처리장 유입하수 성분분석 장치 | |
JP2023033927A (ja) | 水処理状況監視システム及び水処理状況監視方法 | |
JP4840229B2 (ja) | 六価クロム含有排水の還元処理後の排水に含まれる還元剤の適正濃度維持方法および装置 | |
JP7472707B2 (ja) | 異常判定システムおよび異常判定方法 | |
CN115417492A (zh) | 基于水下视觉的高级氧化***及控制方法 | |
JPH05146791A (ja) | 微生物認識装置 | |
CN114792402A (zh) | 一种基于图像识别的水污染判断方法及*** | |
JPS6253792A (ja) | 微生物相検出装置 | |
JPH0628453A (ja) | 微生物認識装置及び該装置による監視方法 | |
JPH06303965A (ja) | 微生物認識装置 | |
JP7424112B2 (ja) | 水質判定装置 | |
KR200429242Y1 (ko) | 이미지 분석 기법을 이용한 자동 슬러지 침전능 계측장치 | |
JPH0636187B2 (ja) | 画像処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230221 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231031 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231107 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231227 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20240402 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240415 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7484535 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |