深層学習を用いた浄水処理の凝集プロセス自律制御手法の開発

点击翻译按钮获取中文摘要

2022年度は小型凝集装置から凝集中のフロックの画像を取得し、これをデータセットとして凝集沈殿後の濁度の回帰予測を行う深層学習モデルの作成を行った。学習に用いる深層学習モデルとしてResNetをファインチューニングした回帰予測用のモデルを作成した。モデルには画像のみを入力とするモデルと、pH・濁度・温度などの化学的なパラメータも入力するモデルを用意した。また、データセットの作成のために小型凝集装置から連続的にデータを取得し蓄積を行うことができる仕組みを作成した。今回の実験では比較的水質の変化が穏やかな2022年1月から2022年3月までのデータと、水質の変化が大きい2022年4月から2022年6月を対象とした。実験の結果、(1)小型凝集装置から取得したフロックの画像と作成した学習モデルによって、凝集沈殿後の濁度を回帰予測可能であることがわかった、(2)フロックを撮影した画像の疎密を平均化するために画像合成が有効であることがわかった、(3)作成したモデルは学習に用いなかった未知の84%以上のデータについて、0.5度以下の誤差で予測可能であることがわかった、(4)同様に50%以上のデータが0.25度以下の誤差で予測可能であることがわかった、(5)画像のみを入力とするモデルと化学的なパラメータも含めたモデルでは、化学的なパラメータを用いたモデルのほうが3%から4%ほど高い精度で予測可能であることがわかった。凝集剤の注入量の最適化を行うためには0.25度以下で90%以上のデータが予測可能であることが望ましく、現在はその精度に達することができないことが課題となっている。これは取得したデータセットが不十分である可能性が高いと考えている。一方で自律制御だけであれば0.5度の濁度誤差で予測できれば良いため、現時点での十分に適応可能な精度で予測できているといえる。