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

利用深度学习开发净水混凝过程自主控制方法

基本信息

  • 批准号:
    22K04382
  • 负责人:
  • 金额:
    $ 1.33万
  • 依托单位:
  • 依托单位国家:
    日本
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
  • 财政年份:
    2022
  • 资助国家:
    日本
  • 起止时间:
    2022-04-01 至 2025-03-31
  • 项目状态:
    未结题

项目摘要

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。
在2022年,我们从小聚集设备中获取了凝结絮凝的图像,并将其用作数据集创建深度学习模型,该模型会在凝结沉淀后回归浊度的预测。使用微调Resnet作为用于学习的深度学习模型创建了用于回归预测的模型。该模型仅使用图像输入,以及pH,浊度和温度等化学参数。此外,创建了一个系统,该系统允许从小型聚合设备连续获取并积累数据以创建数据集。该实验涵盖了2022年1月至2022年3月的数据,那里的水质变化相对较小,从2022年4月到2022年6月,水质变化显着差异。实验表明,(1)从一个小的聚集装置获得的絮凝物图像和创建的学习模型可以在聚集降水后进行回归预测浊度,(2)图像合成对于平均捕获絮凝物的图像稀疏密度的平均密度是有效的,(3)在捕获的模型中可预测的模型是0.5度的误差,或者是4%或4%的误差(4%),或者是4%或4%或4%的误差(4%)。可预测的误差为50%或以上,误差为0.25度或更小,(5)仅包括图像和使用化学参数的模型的模型是可预测的,较高的精度为3%至4%。为了优化絮凝剂注入的量,希望在0.25°或更少的情况下可预测,目前,问题是无法实现此准确性。对于获得的数据集来说,这可能不足。另一方面,如果仅是自主控制,则足以以0.5度的浊度误差进行预测,因此可以说,目前可以以足够适应性的精度进行预测。

项目成果

期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.author }}

数据更新时间:{{ patent.updateTime }}

鈴木 昭弘其他文献

片麻痺患者に対するエネルギー蓄積型シューインサートの開発に関する基礎的研究
偏瘫患者储能鞋垫研制的基础研究
  • DOI:
  • 发表时间:
    2020
  • 期刊:
  • 影响因子:
    0
  • 作者:
    共同発表者:稲垣 潤;中島 寿宏;春名 弘一;昆 恵介;佐藤 洋一郎;鈴木 昭弘;本郷 節之;K. Kogiso;吉澤泰那,昆 恵介
  • 通讯作者:
    吉澤泰那,昆 恵介
脳卒中片麻痺者に対するHUS-AFOの効果
HUS-AFO对中风偏瘫患者的影响
  • DOI:
  • 发表时间:
    2020
  • 期刊:
  • 影响因子:
    0
  • 作者:
    共同発表者:稲垣 潤;中島 寿宏;春名 弘一;昆 恵介;佐藤 洋一郎;鈴木 昭弘;本郷 節之;K. Kogiso;吉澤泰那,昆 恵介;K. Kogiso;昆 恵介,春名弘一,佐藤健斗,清水新悟,稲垣潤,中井要介,関川伸哉
  • 通讯作者:
    昆 恵介,春名弘一,佐藤健斗,清水新悟,稲垣潤,中井要介,関川伸哉
Encrypted Control Using Multiplicative Homomorphic Encryption
使用乘法同态加密的加密控制
  • DOI:
  • 发表时间:
    2020
  • 期刊:
  • 影响因子:
    0
  • 作者:
    共同発表者:稲垣 潤;中島 寿宏;春名 弘一;昆 恵介;佐藤 洋一郎;鈴木 昭弘;本郷 節之;K. Kogiso;吉澤泰那,昆 恵介;K. Kogiso
  • 通讯作者:
    K. Kogiso
rivacy in Dynamical Systems
动力系统中的竞争性
  • DOI:
  • 发表时间:
    2020
  • 期刊:
  • 影响因子:
    0
  • 作者:
    共同発表者:稲垣 潤;中島 寿宏;春名 弘一;昆 恵介;佐藤 洋一郎;鈴木 昭弘;本郷 節之;K. Kogiso
  • 通讯作者:
    K. Kogiso
Kinectを用いた運動学習支援アプリケーションの作成と実地における試用
使用 Kinect 创建运动学习支持应用程序并进行实际试用
  • DOI:
  • 发表时间:
    2020
  • 期刊:
  • 影响因子:
    0
  • 作者:
    稲垣 潤;中島 寿宏;春名 弘一;昆 恵介;佐藤 洋一郎;鈴木 昭弘;本郷 節之
  • 通讯作者:
    本郷 節之

鈴木 昭弘的其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi }}
  • 发表时间:
    {{ item.publish_year }}
  • 期刊:
  • 影响因子:
    {{ item.factor }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

{{ truncateString('鈴木 昭弘', 18)}}的其他基金

原子核間相互作用と核反応過程における核構造の変化の微視的研究
核反应过程中核相互作用和核结构变化的微观研究
  • 批准号:
    X00095----464091
  • 财政年份:
    1979
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for General Scientific Research (D)

相似国自然基金

基于Deep-learning的三江源区冰川监测动态识别技术研究
  • 批准号:
    51769027
  • 批准年份:
    2017
  • 资助金额:
    38.0 万元
  • 项目类别:
    地区科学基金项目
基于异构医学影像数据的深度挖掘技术及中枢神经系统重大疾病的精准预测
  • 批准号:
    61672236
  • 批准年份:
    2016
  • 资助金额:
    64.0 万元
  • 项目类别:
    面上项目
具有时序处理能力的Spiking-Deep Learning(脉冲深度学习)方法研究
  • 批准号:
    61573081
  • 批准年份:
    2015
  • 资助金额:
    64.0 万元
  • 项目类别:
    面上项目

相似海外基金

ハイパースペクトラルイメージングと深層学習を用いた皮膚病変鑑別システムの開発
利用高光谱成像和深度学习开发皮肤病变判别系统
  • 批准号:
    24K15777
  • 财政年份:
    2024
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
深層学習を用いた超音波画像からのSPIDDM診断支援システムの開発
使用深度学习从超声图像开发 SPIDDM 诊断支持系统
  • 批准号:
    24K15775
  • 财政年份:
    2024
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
深層学習を用いた拡散テンソル画像による腰椎疾患における疼痛の自動診断システム
基于深度学习的弥散张量图像腰椎疾病疼痛自动诊断系统
  • 批准号:
    24K15787
  • 财政年份:
    2024
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
幾何学的深層学習による非線形力学系のグレーボックスモデル化技術の創出
使用几何深度学习创建非线性动力系统灰盒建模技术
  • 批准号:
    24K15105
  • 财政年份:
    2024
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
アナログ回路に基づく進化計算手法による深層学習モデルの最適化
基于模拟电路的进化计算方法优化深度学习模型
  • 批准号:
    24K15115
  • 财政年份:
    2024
  • 资助金额:
    $ 1.33万
  • 项目类别:
    Grant-in-Aid for Scientific Research (C)
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了