水質汚染監視装置及びその方法
【目的】 微生物濃度が希薄な水域内の微生物状態をオンライン計測し、水質汚染状況を的確に把握すると共に、水質汚染の変動を予知し、浄化対策を推定することにある。
【構成】 湖沼水、海水、河川水、ダム水等の水質を自動的にサンプルする手段と、サンプル中の浮遊物質を濃縮する手段と、濃縮液中の濁質を撮像する手段と、撮像画像を画像処理し、濁質を抽出する手段と、該抽出濁質の特徴を計算する手段と、該特徴から浮遊物質を複数の形状に分類する手段を具備し、浮遊物質の形状分類毎に出現量を計測する。また、対象水域を複数の監視ブロックに分割し、監視ブロック毎の流速、水温、水域への流入・流出情報に基づいて水域全体の対流を計算し、水質情報が監視ブロック間で拡散する状態をモデル化し、次いで、現在を初期値として一定時間後の水質情報とプランクトン発生量を計算し、一定時間後の水域全体の状態をシミュレ−ションし、水質変動を予知する。
【構成】 湖沼水、海水、河川水、ダム水等の水質を自動的にサンプルする手段と、サンプル中の浮遊物質を濃縮する手段と、濃縮液中の濁質を撮像する手段と、撮像画像を画像処理し、濁質を抽出する手段と、該抽出濁質の特徴を計算する手段と、該特徴から浮遊物質を複数の形状に分類する手段を具備し、浮遊物質の形状分類毎に出現量を計測する。また、対象水域を複数の監視ブロックに分割し、監視ブロック毎の流速、水温、水域への流入・流出情報に基づいて水域全体の対流を計算し、水質情報が監視ブロック間で拡散する状態をモデル化し、次いで、現在を初期値として一定時間後の水質情報とプランクトン発生量を計算し、一定時間後の水域全体の状態をシミュレ−ションし、水質変動を予知する。
【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、湖沼水、海水、河川水、ダム水などの水圏の汚染を監視する水質汚染監視装置及びその方法に関する。
【０００２】
【従来の技術】湖沼や内湾などの閉鎖性水域に窒素、りん等の栄養塩類が流入すると、これらは水域に蓄積され、藻類やその他の水性生物が増殖し、富栄養化に至る。富栄養化は、都市下水や食品工場排水などが流れ込むとそれだけ早く進行する。湖沼、内湾などの閉鎖性水域の状態は、水温、容存酸素濃度、ＰＨ、透明度、ＣＯＤ等の水質分析値やプランクトンをはじめとする生物の生態等で表すことができ、特に、水域に生息するプランクトン等の微生物は水質の変化を最も正確に反映する。たとえば、湖ではプランクトンの量は富栄養化の一つの指標であり、植物性プランクトンの容積が３〜５ｃｍ/ｍ3になるかどうかが貧栄養湖と富栄養湖とのおよその境目とされている。従って、汚染監視対象となる水域では、微生物の種類やその出現量を定量的に計測し、水圏監視に反映させる必要がある。閉鎖性水域の監視方法としては、水域内に設置した水質、気象計測器やプランクトンの顕微鏡観察が実施されている。プランクトンの出現種やその量の計測は、顕微鏡観察に依存しており、赤潮などプランクトンの異常繁殖の監視対策は後手にならざるをえない。顕微鏡観察の場合、一般には定期的に船上からサンプリングした特定個所の水を持ち帰り、顕微鏡で目視観察しており、人手と労力を要する。また、種類を見分ける専門家が必要なため、常時監視が困難である。一方、微生物の常時監視のため、水中カメラと画像処理装置を組み合わせた装置（特願平０２−１８２６３０)で微生物を定量化する方式が考案されている。
【０００３】
【発明が解決しようとする課題】通常、湖沼や河川のプランクトン数は高々数万個/ｍｌと希薄である。プランクトンを形状から分類可能な倍率（対物レンズ４倍以上）で撮影すると、撮影画面内にプランクトンの存在する確率は非常に小さい。水中カメラと画像処理装置を組み合わせた装置（特願平０２−１８２６３０)は、微生物を出来るだけ自然な状態で撮影する方法で、微生物濃度が高い液体中で使用可能である。即ち、培養槽や富栄養価化が既に進行した水域など微生物濃度が高い状態では有効であるが、貧又は中栄養湖など現状汚染がさほど進んでおらず、微生物濃度が希薄な水域の常時監視には適さない。また、従来の装置では、湖沼や河川の現状汚染を監視できるが、現状汚染が将来どのように変動するかを予知し、この予知変動に対する浄化対策を推定することに配慮がなされていない。本発明の目的は、微生物濃度が希薄な水域内の微生物状態をオンライン計測し、汚染状況を連続監視し、水質汚染状況を的確に把握すると共に、水質汚染の変動を予知し、浄化対策を推定するに好適な水質汚染監視装置及びその方法を提供することにある。
【０００４】
【課題を解決するための手段】上記目的は、湖沼水、海水、河川水、ダム水等の水質を自動的にサンプルする手段と、サンプル中の浮遊物質を濃縮する手段と、濃縮液中の濁質を撮像する手段と、撮像画像を画像処理し、濁質を抽出する手段と、該抽出濁質の特徴を計算する手段と、該特徴から浮遊物質を複数の形状に分類する手段を具備し、浮遊物質の形状分類毎に出現量を計測することによって、達成される。また、湖沼水、海水、河川水、ダム水等の対象水域を複数の監視ブロックに分割し、監視ブロック毎の流速、水温、水域への流入・流出情報に基づいて水域全体の対流を計算し、この対流計算値から、水質情報が監視ブロック間で拡散する状態をモデル化し、次いで、現在を初期値として一定時間後の水質情報とプランクトン発生量を計算し、これらの計算値を基に栄養塩指標、有機物指標、プランクトン指標を計算し、一定時間後の水域全体の状態をシミュレ−ション計算し、水質変動を予知することによって、達成される。
【０００５】
【作用】湖沼や河川中のプランクトン数は、通常、高々数万(細胞数／ｍｌ)と希薄である。そのため、サンプリング手段、濃縮手段及び移送手段により、希薄な懸濁浮遊物質を濃縮し、画像認識の効率を高める。また、拡大手段と照明手段及び撮像手段により構成される撮像装置は、移送流動する液中の浮遊物質を完全に保持し、静止画面を得る。この撮像装置において、プランクトン抽出手段は、形状認識画像を基に、画像間の座標や形状の特徴量などを考慮してプランクトンの種類や個数、浮遊物質の面積や粒径を計測し、さらに形状毎に分類してプランクトンの分布やその質量を計測する。これらの画像計測情報と水質情報を連続計測し、情報の時系列変化、気象情報及び水域の地形情報から水質の汚染状態とその範囲、原因を判定し、表示する。さらに、シミュレーション手段により汚染状況を推定し、汚染水域の浄化対策を推定する。このように、連続計測情報から水質汚染地域の同定、及び、事前にその予測を行なうことができると共に汚染水域の浄化対策を講ずることが可能になる。
【０００６】
【実施例】以下、本発明の実施例を図面により説明する、図１は、本発明の一実施例であり、水質監視装置の全体構成のブロック図を示す。本実施例の水質監視装置は、サンプリング装置２、濃縮装置３、撮像装置４、画像処理装置５、水質計測装置６、気象情報計測装置７、計算機８、表示装置９から構成する。
【０００７】次に、これら装置の詳細を説明する。サンプリング装置２は、湖沼等の閉鎖水域１の貯溜水をサンプリングする。水域１内の懸濁浮遊物質、特に植物プランクトンは、位置、時間、季節により時々刻々変化するため、この変化に対処したサンプリングを実施する必要がある。図２において、貯溜水をサンプリングするには、位置調節装置２０２により導通管２０３を上下方向に操作し、導入口２０４の水深位置を変化させ、サンプリングポンプ２０１がサンプル液を導入口２０４から吸引、取水して、濃縮装置３に送る。ここで、水深位置操作は、時間帯、季節等を考慮して自動的あるいは遠隔地より調節する。導入口２０４を水面付近にすると、アオコ、赤潮の原因とされる浮上性の植物性プランクトンのサンプリングが可能になる。サンプリング装置２からのサンプル液は濃縮装置３に導かれ、懸濁浮遊物質が濃縮される。湖沼やダムの水域１は、雨天時には数千ｐｐｍの濁質となる場合もあるが、通常は数十ｐｐｍ以下と清澄である。また、植物プランクトンは、大量発生でも数万（細胞数／ｍｌ）であり、平均数百（細胞数／ｍｌ）とされている。これを対物レンズ４倍の顕微鏡によって観察しても、１画面（観察容積約０．２ｍｍ3）に１細胞あるか否かであり、効率的な監視とは云えない。そこで、効率的な監視を行うにはサンプル液を濃縮することが必要となる。図３に、濃縮装置３の一例を示す。サンプル液は、導管３０２により散水され、網状の分離膜３０３において懸濁物質が濃縮分離され、濃縮槽３０４に貯溜する。サンプル液量と濃縮液量の比で濃縮倍率が決まる。懸濁物質が分離された濾過液は排水される。また、濃縮液は濃縮槽３０４から引抜き管３０６を介してポンプ３０５により採取する。なお、懸濁物質を濃縮分離する方式として、遠心力を利用して分離する遠心濾過方式、密度差や重量差を利用した遠心分離方式あるいは遠心沈降方式を採用してもよい。濃縮装置３からの濃縮液は撮像装置４に導かれる。図４に、撮像装置４の一例を示す。撮像装置４は、濃縮液の導入管４０９に対して第１筐体４０１と第２筐体４０２から構成される。各々の筐体が対向する導入管４０９の一部に透明ガラス製の接液窓４０５と４０６を配置する。接液窓４０５、４０６はその一方を平型に、他方を凹形にし、両者が接したときに形成される空間部をサンプル室とし、濃縮液の一部を保持する。第１筐体４０１にはサンプル室に焦点を合わせた拡大光学レンズ４０４とＩＴＶ（テレビカメラ）４０３を内蔵し、一方、第２筐体４０２には集光レンズを有する照明装置４０２と、接液窓４０６の位置を調節する駆動装置４０８を設置する。このような構成において、駆動装置４０８は後述の画像処理装置５からの指令あるいは外部からのタイマ−により制御され、接液窓４０６を上下動操作する。図４は、サンプル室開放時に接液窓４０６を下降させた状態であり、サンプル室の液は濃縮液の流れにより入れ替えらる。そして接液窓４０６を再び上昇させることにより、新たな濃縮液がサンプル室に保持される。すなわち、サンプル室は接液窓４０６上昇動作時に形成される。サンプル室内の濃縮液は、透過光方式で照明され、拡大光学レンズ４０４を介してＩＴＶ４０３が受光し、電気信号に変換される。この時、サンプル室内の保持液は、導入管４０９内を流通する濃縮液の影響を受けずに静止状態にある。これらの操作は連続的に行われ、自動的に画面が更新される。なお、接液窓４０６を下降させた状態で、導入管４０９内にワイパ−（図示せず）を設置し、両接液窓面の洗浄と、サンプル室保持液の強制的入れ替えを実行することもできる。撮像装置４において電気信号（映像信号）に変換された画像は、画像処理装置５に入力され、懸濁浮遊物質と植物プランクトンの形状を画像処理抽出する。また、画像処理装置５からの情報に基づいて画像の取り込み指令を行い、撮像装置４の動作制御を実施する。
【０００８】図５に、画像処理装置５の一実施例を示す。画像処理装置５は、ＣＰＵ（中央処理装置）５０１、主メモリ５０２、記憶装置５０３、通信インタフェース５０４、システムバス５０５、画像処理部５０６から構成する。ＣＰＵ５０１は、主メモリ５０２に格納されているプログラムを実行し、画像処理装置５全体を制御する。記憶装置５０３には、画像処理装置５を制御するプログラムと画像処理結果が格納される。プログラムは、画像処理装置のイニシャルスタート時にＣＰＵ５０１のマイクロプログラムによって主メモリ５０２に転送される。通信インタフェース５０４は他計算機、計測装置とのデータ送受信機能を持ち、ＣＰＵ５０１から通信インタフェース５０４を介して、計算機８への画像計測情報の送信及び撮像装置４の駆動装置４０８への制御信号の送信を実施する。画像処理部５０６は、画像メモリ５０７、画像処理プロセッサ５０８、映像インタフェース５０９からなる。画像メモリ５０８には、縦方向２５６画素、横方向２５６画素で輝度階調が２５６（８ビット）の濃淡画像メモリと、縦方向２５６画素、横方向２５６画素で輝度階調が２（１ビット）の２値メモリがそれぞれ複数個配されている。画像処理プロセッサ５０８は、画像メモリ５０８の濃淡画像並びに２値画像に対して、濃淡画像処理演算、２値化処理、形状特徴量抽出などを高速に実施する複数のＬＳＩから構成されている。映像インタフェース５０９は、複数の入力と出力を有し、入力にはＡ／Ｄ変換器、出力にはＤ／Ａ変換器を配しており、アナログの映像信号をデジタル信号に変換する。画像処理装置５内部ではデジタル信号を用いて処理する。撮像装置４からの映像信号は、映像インタフェース５０９においてデジタル信号に変換され、１つの濃淡画像として画像メモリ５０７にリアルタイムで格納され、画像処理プロセッサ５０８は画像メモリ５０７に格納される該濃淡画像に対して各種画像処理を実行する。なお、画像処理のタイミングはＣＰＵ５０１が制御する。映像インタフェース５０９に接続したモニタテレビ５１０では、画像メモリ５０７に格納されている画像や撮像装置４の映像信号を表示する。画像処理プロセッサ５０８は駆動装置４０８を駆動させて接液窓４０９を下降、上昇動作させる。この下降、上昇動作によりサンプル室の濃縮液が交換されて、新たな画像が撮像装置４に取り込まれる。
【０００９】ここに、画像処理装置５の処理手順の詳細を図６、図７、図８を用いて説明する。本発明者らの観察によれば、透過照明方式の撮像装置４の拡大画像では、植物プランクトンは一部光が透過して輝度が高いものの、液相部よりは暗い。また、ゴミ状の物質はプランクトンより輝度が低い。図６の濃淡画像(a)は、濃縮液の植物プランクトン画像の一例である。濃淡画像は、同図(a)に示すように、明るい液相部Ｚの領域と、液相部より暗い植物性プランクトンＡ、Ｂ、Ｃと、ゴミ状の物質Ｄを含んでいる。このように濃淡画像は、輝度(明るさ)に応じた濃淡情報を持っており、該濃淡画像を２値化処理して、植物性プランクトンのみを分離抽出する。すなわち、特定の輝度レベルｈ1を基準にして、輝度レベルｈ1より低輝度の領域を１、ｈ1より高輝度の領域を０にする２値化処理を実行する。この０、１の２値情報に変換された２値画像を図６（ｂ）に示す。まず、液相部輝度と懸濁物質（プランクトンとゴミ状の物質）の輝度間に２値化の輝度レベルｈ1を設定し、懸濁物質を１に、液相部を０にした懸濁物質の２値画像を得る。次に、ゴミ状物質部輝度とプランクトンの輝度間に２値化の輝度レベルｈ2を設定し、ゴミ状物質を１に、他を０にしたゴミ状物質の２値画像を作成し、前記懸濁物質の２値画像と差分することで図６（ｂ）の２値画像を得る。図７に、この２値化処理の手順を示す。まず、内部のシステム時刻を読み出し、予め設定した起動時刻あるいは起動周期と一致した場合画像処理を実行する（５４０）。画像処理プロセッサ５０８は、映像インタフェース５０９を介して得られたプランクトン映像を画像メモリ５０７内の濃淡画像メモリに格納後、濃淡画像処理演算、２値化処理を施し、２値メモリに格納する（５４１）。２値化処理の詳細については、図８において説明する。さらに、この２値メモリに対し、ラべリング処理を実行し、画像全体の物体総個数、全面積を計算し（５４２）、続いて、粒径分布、平均粒径等（５４３）を計算する。次に、プランクトン個々について、面積、周囲長、形状係数、２次モーメント、端点数、交点数、穴の数などの形状特徴量を計算し、主メモリ５０２に格納する（５４４）。ＣＰＵ５０１は、これら各種画像処理計測値を通信インタフェース５０４を介して計算機８へ送信する（５４５）。さらに図８に、２値化処理の詳細な手順を示す。撮像装置４のプランクトン映像信号は、濃淡画像メモリＧ１に格納（５５０）後、輝度情報を輝度−画素のヒストグラムとして抽出する（５５１）。輝度−画素ヒストグラムは、横軸に輝度（０〜２５５）、縦軸に画素数をとると画素数の曲線として表現できる。この曲線から、例えば、曲線の最大値からある固定定数を減算する方式を用いて植物性プランクトンのみを分離抽出する特定の輝度レベルｈ1を計算し（５５２）、輝度レベルｈ1を基準にして、輝度レベルｈ1より低輝度の領域を１、ｈ1より高輝度の領域を０にする２値化処理を実行、２値メモリＢ１に格納する（５５３）。２値抽出されたプランクトンのみの輝度情報を計算するため、濃淡画像メモリＧ１と２値メモリＢ１とＡＮＤ演算を実行（マスク処理）し、背景液相部の輝度を０にした画像を濃淡画像メモリＧ２に格納する（５５４）。濃淡画像メモリＧ２に対し、先のステップ５５１、５５２と同様の方法で、輝度−画素ヒストグラム抽出し（５５５）、ゴミ状物質部とプランクトンを分離する２値化の輝度レベルｈ2の計算（５５６）を行い、輝度レベルｈ2による２値化を実行し、２値メモリＢ２に格納する（５５７）。なお、上記２値化処理手順において、濃淡画像（ａ）を直接処理したが、各画像の背景画像（液相部のみの画像）を予め撮像し、その画像と差分処理した画像を対象に画像処理を実行しても良い。この前処理を実行することにより、画像全体の輝度ムラ、すなわち、照明光による明るさの影響をなくし、良好な抽出画像を得ることができる。また、２値化処理のための輝度レベルの設定は固定値並びに各画像の輝度分布（ヒストグラム）を考慮して変化させる自動２値化法を用いることができる。
【００１０】計算機６は、画像処理装置５からの画像情報と、気象情報計測装置７からの気象情報と、水質計測装置６からの水質情報を連続的に受信し、水域の汚染状態を監視する。ここで、水質情報とは、水温、濁度、ｐＨ、ＤＯ（容存酸素濃度）、電気伝導度、化学的酸素要求量ＣＯＤ、流速、水位などであり、気象情報とは、気温、風向、風力、日射量、雨量などである。画像処理装置５、気象情報計測装置７、水質計測装置６は、監視対象水域の地理的条件を考慮し、監視に最適な位置に設置する。水域を複数の監視ブロックに分割し、各ブロックの代表地点に各計測装置を配置することが望ましい。ここで、図９に、計算機６の構成例を示す。ＣＰＵ（中央処理装置）８０５は、プログラム記憶装置８０３に格納されている各種プログラムを主メモリ８０６に転送して実行する。実行タイミングは、映像インタフェース８０８に接続した表示装置９からの起動指令信号、タイマー、入出力インタフェース８０７からの情報などによる。計測値データーベース８０１には入出力インタフェース８０７を介して受信した画像情報、水質情報、気象情報及びシミュレーション結果が格納され、地形データーベース８０２には水域の形状、流入水量、流入箇所、流出水量、流出箇所等のデータが格納される。プログラム記憶装置８０３には、異常診断プログラム、水質シミュレーションプログラム、データ送受信プログラム、表示装置操作プログラム等が格納されている。知識ベース８０９には、過去の現象に基づくルール群など知識工学、ファジー、ニューラルネットに必要な情報が格納される。異常診断プログラムは、各種計測情報並びに知識ベ−ス８０９の格納ル−ルに基づいて水域の汚染状況とその要因及び浄化対策を診断する。まず、プランクトン総体積、個数などを用いて植物プランクトン増減傾向を把握し、植物プランクトンが影響要因であれば、その種類を同定し、知識ベ−ス８０９のル−ルから増殖要因を診断する。種類の同定は、形状の特徴から求める。例えば、アオコや赤潮の原因となるミクロキスチスやウロゲレナは円形状係数や粒径、さらに細胞と中空（穴）部の面積比等の計測情報を用いて同定する。また、糸状や矩形状のプランクトンは長軸・短軸長比、面積と周囲長比、端点や交点数等から同定する。さらに、星形状や連環状のプランクトンは端点や交点数、細胞と中空（穴）部の面積比、穴数、細胞と中空（穴）部の面積比、面積と周囲長比等から判定する。これらの判定には、クリスプル−ルやファジ−ル−ルによる知識工学的手法、並びに、各種計測情報を入力層に、計測情報に対応する特徴値を教師デ−タとするニュ−ラルネットワ−ク手法を用いることもできる。各種ル−ルや特徴値及びそれに対応するプランクトン名等は知識ベ−ス８０９に格納し、必要に応じて呼出して推論を実行する。このように、水域の汚染状態をプランクトンの出現量やその出現種を連続計測して監視する。
【００１１】図１０に、この異常診断プログラムの処理の一例を示す。ＣＰＵ８０５は、計算機８の起動と同時に異常診断プログラムを主メモリ８０６にロードし、実行する。まず、異常診断プログラムは、システム時刻を読みだし、予め登録した時刻または周期と比較し、起動時刻と判定した場合、ステップ８５１に移行する（８５０）。続いて、水域の監視ブロック毎に、栄養塩指標Ｉｋ、有機物指標Ｉｃ、プランクトンＩｐ指標を計算する（８５１）。計算手順は後述する図１１、図１２において説明する。次に、水質情報、画像情報及び該３つの指標を初期値として、今後１カ月の水質情報、画像情報及び該３つの指標をシミュレーションする（８５２）。シミュレーションの手順は後述する図１３において説明する。現状値またはシミュレーション値が基準範囲を超えた場合、水質情報や出現プランクトンの種類及び量が年間変動と一致しないときに異常発生と判定し（８５３）、異常発生場所、異常要因となる流入水をシミュレーション結果もしくは過去の経験則から推定する（８５４）。異常要因に対する対策は、知識ベースに格納しておき、発生場所、発生要因、季節、気象などから推論する（８５５）。図１１に、栄養塩指標Ｉｋ、有機物指標Ｉｃの計算方法の一例を示す。水質情報からＤＯ、濁度Ｔｕ、リンＰ、窒素ＴＮ、化学的酸素要求量ＣＯＤ、ｐＨを読み出し（８６１）、栄養塩指標Ｉｋ、有機物指標Ｉｃをそれぞれ（１）式、（２）式により計算する（８６２）。
Ｉｋ＝ｗ1×Ｐ＋ｗ2×ＴＮ （１）
Ｉｃ＝ｗ3×ＤＯ＋ｗ4×ＣＯＤ＋ｗ5×ｐＨ （２）
ただし、ｗ1，ｗ2，3ｗ4，ｗ5は重み係数。
降雨、台風などの要因では、水質の変動が予想されるので、降雨量、水域への流入量、濁度Ｔｕを変数に持つ係数ｗ6，ｗ7を用いて（３）、（４）式により補正する（８６３）。
Ｉｋ ＝ ｗ6× Ｉｋ （３）
Ｉｃ ＝ ｗ7× Ｉｃ （４）
以上のように計算した指標は、主メモリ８０６と計測値データベース８０１に格納する（８６４）。図１２に、プランクトン指標Ｉｐの計算手順の一例を示す。まず、画像情報を基にプランクトンの分類を形状の特徴から数個（Ｎ）に分類した（８７０）後、分類毎にプランクトンの体積ＰＶ（ｉ）、個数ＰＮ（ｉ）を計算（８７１）する。糸状や矩形状のプランクトンは、長軸・短軸長比、面積と周囲長比、端点や交点数等から同定できる。さらに、星形状や連環状のプランクトンは、端点や交点数、細胞と中空（穴）部の面積比、穴数、細胞と中空（穴）部の面積比、面積と周囲長比等から判定できる。次に、アオコや赤潮の原因となる特定種のプランクトンの存在有無は形状特徴から判定する（８７２）。例えば、アオコや赤潮の原因となるミクロキスチスやウロゲレナは円形状係数や粒径、さらに細胞と中空（穴）部の面積比等の情報を用いて同定する。存在を確認した場合、異常指標のプランクトン発生を主メモリ８０６及び計測値データベースに格納する（８７４）。プランクトン発生量ＶＶとプランクトン指標Ｉｐを（５）、（６）式により計算し、主メモリ８０６及び計測値データベース８０１に格納する（８７４、８７６）。
ただし、ｗ8（ｉ）：体積計算時のプランクトン分類ｉの重み係数Ｃ ：係数
【００１２】図１３に、シミュレ−ション手順の詳細を示す。まず、水域への流入・流出情報、監視ブロック毎の水質情報、気象情報、地形データベース８０２から水域の地形情報を読み出し（８８０）、監視ブロック毎の、流速、水温、水域への流入・流出情報に基づき水域全体の対流を計算する（８８１）。この対流計算値と水温から、水質情報が監視ブロック間で拡散する状態をモデル化する。次に、現在の水質情報を初期値として一定時間後のＤＯ、濁度Ｔｕ、リンＰ、窒素ＴＮ、化学的酸素要求量ＣＯＤ、ｐＨを計算し、続いて、画像情報と栄養塩、水温、ＤＯ、ＣＯＤを初期値とし、プランクトン繁殖モデルを用いてプランクトン発生量を計算する（８８２）。これらの計算値を基に栄養塩指標Ｉｋ、有機物指標Ｉｃ、プランクトン指標Ｉｐを計算する（８８３）。ステップ８８２、８８３を監視ブロック数分繰返す（８８４）と一定時間後の水域全体の状態が計算できる。さらに、時間を更新し、１カ月間程度の計算を繰り返し（８８５）、結果を主メモリ８０６及び計測値データベース８０１に格納する（８８６）。このように、水質シミュレ−ションプログラムは、当日の画像情報、水質情報、気象情報及び水域に流入する河川等の流入量、水質並びに水圏固有の地形、大きさなどの地理情報を基にシミュレ−ション計算を行い、汚染発生の原因となる場所の推定や翌日の水域内対流、拡散、反応などの水質変動を解析する。すなわち、翌日の水質変動を予知することにより、その対策を早期に行うことができる。診断、シミュレーションにより異常を検知した場合、空気又は酸素吹き込みによる曝気操作、撹拌操作、紫外線照射などの浄化手段を起動する。浄化手段は、水域内複数箇所に固定設置する方式と汚染箇所に移動する方式がある。表示装置９は、計算機８内の情報を表示し、計測データ、汚染状態、シミュレーション結果などを水域の水平方向と垂直方向について表示する。また、マウス、ライトペン、キーボードなどの信号を計算機８に送信する。
【００１３】
【発明の効果】本発明によれば、湖沼や河川中のプランクトン数が希薄であっても、懸濁浮遊物質を濃縮することにより、画像認識の効率を高めことができる。また、閉鎖性水域の汚染状態をプランクトン出現量と水質情報から連続的かつ定量的に計測できるので、水域の水質監視及び浄化を効率的に実行することが可能となる。また、シミュレーションにより、汚染状況を事前に予測することができると共に汚染水域の浄化対策を講ずることが可能になる。
【図面の簡単な説明】
【図１】本発明の一実施例を示す図。
【図２】サンプル装置の構成を示す図。
【図３】濃縮装置の構成を示す図。
【図４】撮像装置の構成を示す図。
【図５】画像処理装置のを示す図。
【図６】プランクトン画像の一例を示す図。
【図７】２値化処理の手順を示す図。
【図８】２値化処理の詳細な手順を示す図。
【図９】計算機の構成を示す図。
【図１０】異常診断プログラムの処理を示す図。
【図１１】計算方法の一例を示す図。
【図１２】計算方法の一例を示す図。
【図１３】シミュレ−ション手順の詳細を示す図。
【符号の説明】
１ 水域
２ サンプリング装置
３ 濃縮装置
４ 撮像装置
５ 画像処理装置
６ 水質計測装置
７ 気象情報計測装置
８ 計算機
９ 表示装置
【０００１】
【産業上の利用分野】本発明は、湖沼水、海水、河川水、ダム水などの水圏の汚染を監視する水質汚染監視装置及びその方法に関する。
【０００２】
【従来の技術】湖沼や内湾などの閉鎖性水域に窒素、りん等の栄養塩類が流入すると、これらは水域に蓄積され、藻類やその他の水性生物が増殖し、富栄養化に至る。富栄養化は、都市下水や食品工場排水などが流れ込むとそれだけ早く進行する。湖沼、内湾などの閉鎖性水域の状態は、水温、容存酸素濃度、ＰＨ、透明度、ＣＯＤ等の水質分析値やプランクトンをはじめとする生物の生態等で表すことができ、特に、水域に生息するプランクトン等の微生物は水質の変化を最も正確に反映する。たとえば、湖ではプランクトンの量は富栄養化の一つの指標であり、植物性プランクトンの容積が３〜５ｃｍ/ｍ3になるかどうかが貧栄養湖と富栄養湖とのおよその境目とされている。従って、汚染監視対象となる水域では、微生物の種類やその出現量を定量的に計測し、水圏監視に反映させる必要がある。閉鎖性水域の監視方法としては、水域内に設置した水質、気象計測器やプランクトンの顕微鏡観察が実施されている。プランクトンの出現種やその量の計測は、顕微鏡観察に依存しており、赤潮などプランクトンの異常繁殖の監視対策は後手にならざるをえない。顕微鏡観察の場合、一般には定期的に船上からサンプリングした特定個所の水を持ち帰り、顕微鏡で目視観察しており、人手と労力を要する。また、種類を見分ける専門家が必要なため、常時監視が困難である。一方、微生物の常時監視のため、水中カメラと画像処理装置を組み合わせた装置（特願平０２−１８２６３０)で微生物を定量化する方式が考案されている。
【０００３】
【発明が解決しようとする課題】通常、湖沼や河川のプランクトン数は高々数万個/ｍｌと希薄である。プランクトンを形状から分類可能な倍率（対物レンズ４倍以上）で撮影すると、撮影画面内にプランクトンの存在する確率は非常に小さい。水中カメラと画像処理装置を組み合わせた装置（特願平０２−１８２６３０)は、微生物を出来るだけ自然な状態で撮影する方法で、微生物濃度が高い液体中で使用可能である。即ち、培養槽や富栄養価化が既に進行した水域など微生物濃度が高い状態では有効であるが、貧又は中栄養湖など現状汚染がさほど進んでおらず、微生物濃度が希薄な水域の常時監視には適さない。また、従来の装置では、湖沼や河川の現状汚染を監視できるが、現状汚染が将来どのように変動するかを予知し、この予知変動に対する浄化対策を推定することに配慮がなされていない。本発明の目的は、微生物濃度が希薄な水域内の微生物状態をオンライン計測し、汚染状況を連続監視し、水質汚染状況を的確に把握すると共に、水質汚染の変動を予知し、浄化対策を推定するに好適な水質汚染監視装置及びその方法を提供することにある。
【０００４】
【課題を解決するための手段】上記目的は、湖沼水、海水、河川水、ダム水等の水質を自動的にサンプルする手段と、サンプル中の浮遊物質を濃縮する手段と、濃縮液中の濁質を撮像する手段と、撮像画像を画像処理し、濁質を抽出する手段と、該抽出濁質の特徴を計算する手段と、該特徴から浮遊物質を複数の形状に分類する手段を具備し、浮遊物質の形状分類毎に出現量を計測することによって、達成される。また、湖沼水、海水、河川水、ダム水等の対象水域を複数の監視ブロックに分割し、監視ブロック毎の流速、水温、水域への流入・流出情報に基づいて水域全体の対流を計算し、この対流計算値から、水質情報が監視ブロック間で拡散する状態をモデル化し、次いで、現在を初期値として一定時間後の水質情報とプランクトン発生量を計算し、これらの計算値を基に栄養塩指標、有機物指標、プランクトン指標を計算し、一定時間後の水域全体の状態をシミュレ−ション計算し、水質変動を予知することによって、達成される。
【０００５】
【作用】湖沼や河川中のプランクトン数は、通常、高々数万(細胞数／ｍｌ)と希薄である。そのため、サンプリング手段、濃縮手段及び移送手段により、希薄な懸濁浮遊物質を濃縮し、画像認識の効率を高める。また、拡大手段と照明手段及び撮像手段により構成される撮像装置は、移送流動する液中の浮遊物質を完全に保持し、静止画面を得る。この撮像装置において、プランクトン抽出手段は、形状認識画像を基に、画像間の座標や形状の特徴量などを考慮してプランクトンの種類や個数、浮遊物質の面積や粒径を計測し、さらに形状毎に分類してプランクトンの分布やその質量を計測する。これらの画像計測情報と水質情報を連続計測し、情報の時系列変化、気象情報及び水域の地形情報から水質の汚染状態とその範囲、原因を判定し、表示する。さらに、シミュレーション手段により汚染状況を推定し、汚染水域の浄化対策を推定する。このように、連続計測情報から水質汚染地域の同定、及び、事前にその予測を行なうことができると共に汚染水域の浄化対策を講ずることが可能になる。
【０００６】
【実施例】以下、本発明の実施例を図面により説明する、図１は、本発明の一実施例であり、水質監視装置の全体構成のブロック図を示す。本実施例の水質監視装置は、サンプリング装置２、濃縮装置３、撮像装置４、画像処理装置５、水質計測装置６、気象情報計測装置７、計算機８、表示装置９から構成する。
【０００７】次に、これら装置の詳細を説明する。サンプリング装置２は、湖沼等の閉鎖水域１の貯溜水をサンプリングする。水域１内の懸濁浮遊物質、特に植物プランクトンは、位置、時間、季節により時々刻々変化するため、この変化に対処したサンプリングを実施する必要がある。図２において、貯溜水をサンプリングするには、位置調節装置２０２により導通管２０３を上下方向に操作し、導入口２０４の水深位置を変化させ、サンプリングポンプ２０１がサンプル液を導入口２０４から吸引、取水して、濃縮装置３に送る。ここで、水深位置操作は、時間帯、季節等を考慮して自動的あるいは遠隔地より調節する。導入口２０４を水面付近にすると、アオコ、赤潮の原因とされる浮上性の植物性プランクトンのサンプリングが可能になる。サンプリング装置２からのサンプル液は濃縮装置３に導かれ、懸濁浮遊物質が濃縮される。湖沼やダムの水域１は、雨天時には数千ｐｐｍの濁質となる場合もあるが、通常は数十ｐｐｍ以下と清澄である。また、植物プランクトンは、大量発生でも数万（細胞数／ｍｌ）であり、平均数百（細胞数／ｍｌ）とされている。これを対物レンズ４倍の顕微鏡によって観察しても、１画面（観察容積約０．２ｍｍ3）に１細胞あるか否かであり、効率的な監視とは云えない。そこで、効率的な監視を行うにはサンプル液を濃縮することが必要となる。図３に、濃縮装置３の一例を示す。サンプル液は、導管３０２により散水され、網状の分離膜３０３において懸濁物質が濃縮分離され、濃縮槽３０４に貯溜する。サンプル液量と濃縮液量の比で濃縮倍率が決まる。懸濁物質が分離された濾過液は排水される。また、濃縮液は濃縮槽３０４から引抜き管３０６を介してポンプ３０５により採取する。なお、懸濁物質を濃縮分離する方式として、遠心力を利用して分離する遠心濾過方式、密度差や重量差を利用した遠心分離方式あるいは遠心沈降方式を採用してもよい。濃縮装置３からの濃縮液は撮像装置４に導かれる。図４に、撮像装置４の一例を示す。撮像装置４は、濃縮液の導入管４０９に対して第１筐体４０１と第２筐体４０２から構成される。各々の筐体が対向する導入管４０９の一部に透明ガラス製の接液窓４０５と４０６を配置する。接液窓４０５、４０６はその一方を平型に、他方を凹形にし、両者が接したときに形成される空間部をサンプル室とし、濃縮液の一部を保持する。第１筐体４０１にはサンプル室に焦点を合わせた拡大光学レンズ４０４とＩＴＶ（テレビカメラ）４０３を内蔵し、一方、第２筐体４０２には集光レンズを有する照明装置４０２と、接液窓４０６の位置を調節する駆動装置４０８を設置する。このような構成において、駆動装置４０８は後述の画像処理装置５からの指令あるいは外部からのタイマ−により制御され、接液窓４０６を上下動操作する。図４は、サンプル室開放時に接液窓４０６を下降させた状態であり、サンプル室の液は濃縮液の流れにより入れ替えらる。そして接液窓４０６を再び上昇させることにより、新たな濃縮液がサンプル室に保持される。すなわち、サンプル室は接液窓４０６上昇動作時に形成される。サンプル室内の濃縮液は、透過光方式で照明され、拡大光学レンズ４０４を介してＩＴＶ４０３が受光し、電気信号に変換される。この時、サンプル室内の保持液は、導入管４０９内を流通する濃縮液の影響を受けずに静止状態にある。これらの操作は連続的に行われ、自動的に画面が更新される。なお、接液窓４０６を下降させた状態で、導入管４０９内にワイパ−（図示せず）を設置し、両接液窓面の洗浄と、サンプル室保持液の強制的入れ替えを実行することもできる。撮像装置４において電気信号（映像信号）に変換された画像は、画像処理装置５に入力され、懸濁浮遊物質と植物プランクトンの形状を画像処理抽出する。また、画像処理装置５からの情報に基づいて画像の取り込み指令を行い、撮像装置４の動作制御を実施する。
【０００８】図５に、画像処理装置５の一実施例を示す。画像処理装置５は、ＣＰＵ（中央処理装置）５０１、主メモリ５０２、記憶装置５０３、通信インタフェース５０４、システムバス５０５、画像処理部５０６から構成する。ＣＰＵ５０１は、主メモリ５０２に格納されているプログラムを実行し、画像処理装置５全体を制御する。記憶装置５０３には、画像処理装置５を制御するプログラムと画像処理結果が格納される。プログラムは、画像処理装置のイニシャルスタート時にＣＰＵ５０１のマイクロプログラムによって主メモリ５０２に転送される。通信インタフェース５０４は他計算機、計測装置とのデータ送受信機能を持ち、ＣＰＵ５０１から通信インタフェース５０４を介して、計算機８への画像計測情報の送信及び撮像装置４の駆動装置４０８への制御信号の送信を実施する。画像処理部５０６は、画像メモリ５０７、画像処理プロセッサ５０８、映像インタフェース５０９からなる。画像メモリ５０８には、縦方向２５６画素、横方向２５６画素で輝度階調が２５６（８ビット）の濃淡画像メモリと、縦方向２５６画素、横方向２５６画素で輝度階調が２（１ビット）の２値メモリがそれぞれ複数個配されている。画像処理プロセッサ５０８は、画像メモリ５０８の濃淡画像並びに２値画像に対して、濃淡画像処理演算、２値化処理、形状特徴量抽出などを高速に実施する複数のＬＳＩから構成されている。映像インタフェース５０９は、複数の入力と出力を有し、入力にはＡ／Ｄ変換器、出力にはＤ／Ａ変換器を配しており、アナログの映像信号をデジタル信号に変換する。画像処理装置５内部ではデジタル信号を用いて処理する。撮像装置４からの映像信号は、映像インタフェース５０９においてデジタル信号に変換され、１つの濃淡画像として画像メモリ５０７にリアルタイムで格納され、画像処理プロセッサ５０８は画像メモリ５０７に格納される該濃淡画像に対して各種画像処理を実行する。なお、画像処理のタイミングはＣＰＵ５０１が制御する。映像インタフェース５０９に接続したモニタテレビ５１０では、画像メモリ５０７に格納されている画像や撮像装置４の映像信号を表示する。画像処理プロセッサ５０８は駆動装置４０８を駆動させて接液窓４０９を下降、上昇動作させる。この下降、上昇動作によりサンプル室の濃縮液が交換されて、新たな画像が撮像装置４に取り込まれる。
【０００９】ここに、画像処理装置５の処理手順の詳細を図６、図７、図８を用いて説明する。本発明者らの観察によれば、透過照明方式の撮像装置４の拡大画像では、植物プランクトンは一部光が透過して輝度が高いものの、液相部よりは暗い。また、ゴミ状の物質はプランクトンより輝度が低い。図６の濃淡画像(a)は、濃縮液の植物プランクトン画像の一例である。濃淡画像は、同図(a)に示すように、明るい液相部Ｚの領域と、液相部より暗い植物性プランクトンＡ、Ｂ、Ｃと、ゴミ状の物質Ｄを含んでいる。このように濃淡画像は、輝度(明るさ)に応じた濃淡情報を持っており、該濃淡画像を２値化処理して、植物性プランクトンのみを分離抽出する。すなわち、特定の輝度レベルｈ1を基準にして、輝度レベルｈ1より低輝度の領域を１、ｈ1より高輝度の領域を０にする２値化処理を実行する。この０、１の２値情報に変換された２値画像を図６（ｂ）に示す。まず、液相部輝度と懸濁物質（プランクトンとゴミ状の物質）の輝度間に２値化の輝度レベルｈ1を設定し、懸濁物質を１に、液相部を０にした懸濁物質の２値画像を得る。次に、ゴミ状物質部輝度とプランクトンの輝度間に２値化の輝度レベルｈ2を設定し、ゴミ状物質を１に、他を０にしたゴミ状物質の２値画像を作成し、前記懸濁物質の２値画像と差分することで図６（ｂ）の２値画像を得る。図７に、この２値化処理の手順を示す。まず、内部のシステム時刻を読み出し、予め設定した起動時刻あるいは起動周期と一致した場合画像処理を実行する（５４０）。画像処理プロセッサ５０８は、映像インタフェース５０９を介して得られたプランクトン映像を画像メモリ５０７内の濃淡画像メモリに格納後、濃淡画像処理演算、２値化処理を施し、２値メモリに格納する（５４１）。２値化処理の詳細については、図８において説明する。さらに、この２値メモリに対し、ラべリング処理を実行し、画像全体の物体総個数、全面積を計算し（５４２）、続いて、粒径分布、平均粒径等（５４３）を計算する。次に、プランクトン個々について、面積、周囲長、形状係数、２次モーメント、端点数、交点数、穴の数などの形状特徴量を計算し、主メモリ５０２に格納する（５４４）。ＣＰＵ５０１は、これら各種画像処理計測値を通信インタフェース５０４を介して計算機８へ送信する（５４５）。さらに図８に、２値化処理の詳細な手順を示す。撮像装置４のプランクトン映像信号は、濃淡画像メモリＧ１に格納（５５０）後、輝度情報を輝度−画素のヒストグラムとして抽出する（５５１）。輝度−画素ヒストグラムは、横軸に輝度（０〜２５５）、縦軸に画素数をとると画素数の曲線として表現できる。この曲線から、例えば、曲線の最大値からある固定定数を減算する方式を用いて植物性プランクトンのみを分離抽出する特定の輝度レベルｈ1を計算し（５５２）、輝度レベルｈ1を基準にして、輝度レベルｈ1より低輝度の領域を１、ｈ1より高輝度の領域を０にする２値化処理を実行、２値メモリＢ１に格納する（５５３）。２値抽出されたプランクトンのみの輝度情報を計算するため、濃淡画像メモリＧ１と２値メモリＢ１とＡＮＤ演算を実行（マスク処理）し、背景液相部の輝度を０にした画像を濃淡画像メモリＧ２に格納する（５５４）。濃淡画像メモリＧ２に対し、先のステップ５５１、５５２と同様の方法で、輝度−画素ヒストグラム抽出し（５５５）、ゴミ状物質部とプランクトンを分離する２値化の輝度レベルｈ2の計算（５５６）を行い、輝度レベルｈ2による２値化を実行し、２値メモリＢ２に格納する（５５７）。なお、上記２値化処理手順において、濃淡画像（ａ）を直接処理したが、各画像の背景画像（液相部のみの画像）を予め撮像し、その画像と差分処理した画像を対象に画像処理を実行しても良い。この前処理を実行することにより、画像全体の輝度ムラ、すなわち、照明光による明るさの影響をなくし、良好な抽出画像を得ることができる。また、２値化処理のための輝度レベルの設定は固定値並びに各画像の輝度分布（ヒストグラム）を考慮して変化させる自動２値化法を用いることができる。
【００１０】計算機６は、画像処理装置５からの画像情報と、気象情報計測装置７からの気象情報と、水質計測装置６からの水質情報を連続的に受信し、水域の汚染状態を監視する。ここで、水質情報とは、水温、濁度、ｐＨ、ＤＯ（容存酸素濃度）、電気伝導度、化学的酸素要求量ＣＯＤ、流速、水位などであり、気象情報とは、気温、風向、風力、日射量、雨量などである。画像処理装置５、気象情報計測装置７、水質計測装置６は、監視対象水域の地理的条件を考慮し、監視に最適な位置に設置する。水域を複数の監視ブロックに分割し、各ブロックの代表地点に各計測装置を配置することが望ましい。ここで、図９に、計算機６の構成例を示す。ＣＰＵ（中央処理装置）８０５は、プログラム記憶装置８０３に格納されている各種プログラムを主メモリ８０６に転送して実行する。実行タイミングは、映像インタフェース８０８に接続した表示装置９からの起動指令信号、タイマー、入出力インタフェース８０７からの情報などによる。計測値データーベース８０１には入出力インタフェース８０７を介して受信した画像情報、水質情報、気象情報及びシミュレーション結果が格納され、地形データーベース８０２には水域の形状、流入水量、流入箇所、流出水量、流出箇所等のデータが格納される。プログラム記憶装置８０３には、異常診断プログラム、水質シミュレーションプログラム、データ送受信プログラム、表示装置操作プログラム等が格納されている。知識ベース８０９には、過去の現象に基づくルール群など知識工学、ファジー、ニューラルネットに必要な情報が格納される。異常診断プログラムは、各種計測情報並びに知識ベ−ス８０９の格納ル−ルに基づいて水域の汚染状況とその要因及び浄化対策を診断する。まず、プランクトン総体積、個数などを用いて植物プランクトン増減傾向を把握し、植物プランクトンが影響要因であれば、その種類を同定し、知識ベ−ス８０９のル−ルから増殖要因を診断する。種類の同定は、形状の特徴から求める。例えば、アオコや赤潮の原因となるミクロキスチスやウロゲレナは円形状係数や粒径、さらに細胞と中空（穴）部の面積比等の計測情報を用いて同定する。また、糸状や矩形状のプランクトンは長軸・短軸長比、面積と周囲長比、端点や交点数等から同定する。さらに、星形状や連環状のプランクトンは端点や交点数、細胞と中空（穴）部の面積比、穴数、細胞と中空（穴）部の面積比、面積と周囲長比等から判定する。これらの判定には、クリスプル−ルやファジ−ル−ルによる知識工学的手法、並びに、各種計測情報を入力層に、計測情報に対応する特徴値を教師デ−タとするニュ−ラルネットワ−ク手法を用いることもできる。各種ル−ルや特徴値及びそれに対応するプランクトン名等は知識ベ−ス８０９に格納し、必要に応じて呼出して推論を実行する。このように、水域の汚染状態をプランクトンの出現量やその出現種を連続計測して監視する。
【００１１】図１０に、この異常診断プログラムの処理の一例を示す。ＣＰＵ８０５は、計算機８の起動と同時に異常診断プログラムを主メモリ８０６にロードし、実行する。まず、異常診断プログラムは、システム時刻を読みだし、予め登録した時刻または周期と比較し、起動時刻と判定した場合、ステップ８５１に移行する（８５０）。続いて、水域の監視ブロック毎に、栄養塩指標Ｉｋ、有機物指標Ｉｃ、プランクトンＩｐ指標を計算する（８５１）。計算手順は後述する図１１、図１２において説明する。次に、水質情報、画像情報及び該３つの指標を初期値として、今後１カ月の水質情報、画像情報及び該３つの指標をシミュレーションする（８５２）。シミュレーションの手順は後述する図１３において説明する。現状値またはシミュレーション値が基準範囲を超えた場合、水質情報や出現プランクトンの種類及び量が年間変動と一致しないときに異常発生と判定し（８５３）、異常発生場所、異常要因となる流入水をシミュレーション結果もしくは過去の経験則から推定する（８５４）。異常要因に対する対策は、知識ベースに格納しておき、発生場所、発生要因、季節、気象などから推論する（８５５）。図１１に、栄養塩指標Ｉｋ、有機物指標Ｉｃの計算方法の一例を示す。水質情報からＤＯ、濁度Ｔｕ、リンＰ、窒素ＴＮ、化学的酸素要求量ＣＯＤ、ｐＨを読み出し（８６１）、栄養塩指標Ｉｋ、有機物指標Ｉｃをそれぞれ（１）式、（２）式により計算する（８６２）。
Ｉｋ＝ｗ1×Ｐ＋ｗ2×ＴＮ （１）
Ｉｃ＝ｗ3×ＤＯ＋ｗ4×ＣＯＤ＋ｗ5×ｐＨ （２）
ただし、ｗ1，ｗ2，3ｗ4，ｗ5は重み係数。
降雨、台風などの要因では、水質の変動が予想されるので、降雨量、水域への流入量、濁度Ｔｕを変数に持つ係数ｗ6，ｗ7を用いて（３）、（４）式により補正する（８６３）。
Ｉｋ ＝ ｗ6× Ｉｋ （３）
Ｉｃ ＝ ｗ7× Ｉｃ （４）
以上のように計算した指標は、主メモリ８０６と計測値データベース８０１に格納する（８６４）。図１２に、プランクトン指標Ｉｐの計算手順の一例を示す。まず、画像情報を基にプランクトンの分類を形状の特徴から数個（Ｎ）に分類した（８７０）後、分類毎にプランクトンの体積ＰＶ（ｉ）、個数ＰＮ（ｉ）を計算（８７１）する。糸状や矩形状のプランクトンは、長軸・短軸長比、面積と周囲長比、端点や交点数等から同定できる。さらに、星形状や連環状のプランクトンは、端点や交点数、細胞と中空（穴）部の面積比、穴数、細胞と中空（穴）部の面積比、面積と周囲長比等から判定できる。次に、アオコや赤潮の原因となる特定種のプランクトンの存在有無は形状特徴から判定する（８７２）。例えば、アオコや赤潮の原因となるミクロキスチスやウロゲレナは円形状係数や粒径、さらに細胞と中空（穴）部の面積比等の情報を用いて同定する。存在を確認した場合、異常指標のプランクトン発生を主メモリ８０６及び計測値データベースに格納する（８７４）。プランクトン発生量ＶＶとプランクトン指標Ｉｐを（５）、（６）式により計算し、主メモリ８０６及び計測値データベース８０１に格納する（８７４、８７６）。
ただし、ｗ8（ｉ）：体積計算時のプランクトン分類ｉの重み係数Ｃ ：係数
【００１２】図１３に、シミュレ−ション手順の詳細を示す。まず、水域への流入・流出情報、監視ブロック毎の水質情報、気象情報、地形データベース８０２から水域の地形情報を読み出し（８８０）、監視ブロック毎の、流速、水温、水域への流入・流出情報に基づき水域全体の対流を計算する（８８１）。この対流計算値と水温から、水質情報が監視ブロック間で拡散する状態をモデル化する。次に、現在の水質情報を初期値として一定時間後のＤＯ、濁度Ｔｕ、リンＰ、窒素ＴＮ、化学的酸素要求量ＣＯＤ、ｐＨを計算し、続いて、画像情報と栄養塩、水温、ＤＯ、ＣＯＤを初期値とし、プランクトン繁殖モデルを用いてプランクトン発生量を計算する（８８２）。これらの計算値を基に栄養塩指標Ｉｋ、有機物指標Ｉｃ、プランクトン指標Ｉｐを計算する（８８３）。ステップ８８２、８８３を監視ブロック数分繰返す（８８４）と一定時間後の水域全体の状態が計算できる。さらに、時間を更新し、１カ月間程度の計算を繰り返し（８８５）、結果を主メモリ８０６及び計測値データベース８０１に格納する（８８６）。このように、水質シミュレ−ションプログラムは、当日の画像情報、水質情報、気象情報及び水域に流入する河川等の流入量、水質並びに水圏固有の地形、大きさなどの地理情報を基にシミュレ−ション計算を行い、汚染発生の原因となる場所の推定や翌日の水域内対流、拡散、反応などの水質変動を解析する。すなわち、翌日の水質変動を予知することにより、その対策を早期に行うことができる。診断、シミュレーションにより異常を検知した場合、空気又は酸素吹き込みによる曝気操作、撹拌操作、紫外線照射などの浄化手段を起動する。浄化手段は、水域内複数箇所に固定設置する方式と汚染箇所に移動する方式がある。表示装置９は、計算機８内の情報を表示し、計測データ、汚染状態、シミュレーション結果などを水域の水平方向と垂直方向について表示する。また、マウス、ライトペン、キーボードなどの信号を計算機８に送信する。
【００１３】
【発明の効果】本発明によれば、湖沼や河川中のプランクトン数が希薄であっても、懸濁浮遊物質を濃縮することにより、画像認識の効率を高めことができる。また、閉鎖性水域の汚染状態をプランクトン出現量と水質情報から連続的かつ定量的に計測できるので、水域の水質監視及び浄化を効率的に実行することが可能となる。また、シミュレーションにより、汚染状況を事前に予測することができると共に汚染水域の浄化対策を講ずることが可能になる。
【図面の簡単な説明】
【図１】本発明の一実施例を示す図。
【図２】サンプル装置の構成を示す図。
【図３】濃縮装置の構成を示す図。
【図４】撮像装置の構成を示す図。
【図５】画像処理装置のを示す図。
【図６】プランクトン画像の一例を示す図。
【図７】２値化処理の手順を示す図。
【図８】２値化処理の詳細な手順を示す図。
【図９】計算機の構成を示す図。
【図１０】異常診断プログラムの処理を示す図。
【図１１】計算方法の一例を示す図。
【図１２】計算方法の一例を示す図。
【図１３】シミュレ−ション手順の詳細を示す図。
【符号の説明】
１ 水域
２ サンプリング装置
３ 濃縮装置
４ 撮像装置
５ 画像処理装置
６ 水質計測装置
７ 気象情報計測装置
８ 計算機
９ 表示装置
【特許請求の範囲】
【請求項１】 湖沼水、海水、河川水、ダム水等の水質を自動的にサンプルする手段と、サンプル中の浮遊物質を濃縮する手段と、濃縮液中の濁質を撮像する手段と、撮像画像を画像処理し、濁質を抽出する手段と、該抽出濁質の特徴を計算する手段と、該特徴から浮遊物質を複数の形状に分類する手段を具備し、浮遊物質の形状分類毎に出現量を計測することを特徴とする水質汚染監視装置。
【請求項２】 請求項１において、分類毎の出現量分布と、水質、季節、気象データから汚染状態を判定することを特徴とする水質汚染監視装置。
【請求項３】 請求項１または請求項２において、分類毎の出現量分布計測は、水域の水平方向及び水深方向について実施することを特徴とする水質汚染監視装置。
【請求項４】 請求項１、請求項２または請求項３において、対象水域の地形、面積等の地理情報を記憶する手段と、汚染状況をシミュレーションする手段を具備し、汚染箇所を推定することを特徴とする水質汚染監視装置。
【請求項５】 請求項４において、シミュレーション結果に基づいて汚染領域を判定し、該領域を浄化する手段を具備することを特徴とする水質汚染監視装置。
【請求項６】 請求項１から請求項５のいずれかにおいて、それぞれの結果を表示する手段を具備することを特徴とする水質汚染監視装置。
【請求項７】 湖沼水、海水、河川水、ダム水等の対象水域を複数の監視ブロックに分割し、該監視ブロック毎に栄養塩指標、有機物指標、プランクトン指標を計算し、これらの指標と水質情報及び浮遊物質の濁質を画像処理した画像情報を基にシミュレーションし、該シミュレーション値が基準範囲を超えた場合、出現プランクトンの種類及び量が異常発生したと判定し、異常診断することを特徴とする水質汚染監視方法。
【請求項８】 請求項７において、異常診断の結果から異常発生場所、異常要因となる流入水を推定し、該異常要因に対する対策を推論することを特徴とする水質汚染監視方法。
【請求項９】 湖沼水、海水、河川水、ダム水等の対象水域を複数の監視ブロックに分割し、監視ブロック毎の流速、水温、水域への流入・流出情報に基づいて水域全体の対流を計算し、該対流計算値から水質情報が監視ブロック間で拡散する状態をモデル化し、次いで、現在を初期値として一定時間後の水質情報とプランクトン発生量を計算し、これらの計算値を基に栄養塩指標、有機物指標、プランクトン指標を計算し、一定時間後の水域全体の状態をシミュレ−ション計算し、水質変動を予知することを特徴とする水質汚染監視方法。
【請求項１】 湖沼水、海水、河川水、ダム水等の水質を自動的にサンプルする手段と、サンプル中の浮遊物質を濃縮する手段と、濃縮液中の濁質を撮像する手段と、撮像画像を画像処理し、濁質を抽出する手段と、該抽出濁質の特徴を計算する手段と、該特徴から浮遊物質を複数の形状に分類する手段を具備し、浮遊物質の形状分類毎に出現量を計測することを特徴とする水質汚染監視装置。
【請求項２】 請求項１において、分類毎の出現量分布と、水質、季節、気象データから汚染状態を判定することを特徴とする水質汚染監視装置。
【請求項３】 請求項１または請求項２において、分類毎の出現量分布計測は、水域の水平方向及び水深方向について実施することを特徴とする水質汚染監視装置。
【請求項４】 請求項１、請求項２または請求項３において、対象水域の地形、面積等の地理情報を記憶する手段と、汚染状況をシミュレーションする手段を具備し、汚染箇所を推定することを特徴とする水質汚染監視装置。
【請求項５】 請求項４において、シミュレーション結果に基づいて汚染領域を判定し、該領域を浄化する手段を具備することを特徴とする水質汚染監視装置。
【請求項６】 請求項１から請求項５のいずれかにおいて、それぞれの結果を表示する手段を具備することを特徴とする水質汚染監視装置。
【請求項７】 湖沼水、海水、河川水、ダム水等の対象水域を複数の監視ブロックに分割し、該監視ブロック毎に栄養塩指標、有機物指標、プランクトン指標を計算し、これらの指標と水質情報及び浮遊物質の濁質を画像処理した画像情報を基にシミュレーションし、該シミュレーション値が基準範囲を超えた場合、出現プランクトンの種類及び量が異常発生したと判定し、異常診断することを特徴とする水質汚染監視方法。
【請求項８】 請求項７において、異常診断の結果から異常発生場所、異常要因となる流入水を推定し、該異常要因に対する対策を推論することを特徴とする水質汚染監視方法。
【請求項９】 湖沼水、海水、河川水、ダム水等の対象水域を複数の監視ブロックに分割し、監視ブロック毎の流速、水温、水域への流入・流出情報に基づいて水域全体の対流を計算し、該対流計算値から水質情報が監視ブロック間で拡散する状態をモデル化し、次いで、現在を初期値として一定時間後の水質情報とプランクトン発生量を計算し、これらの計算値を基に栄養塩指標、有機物指標、プランクトン指標を計算し、一定時間後の水域全体の状態をシミュレ−ション計算し、水質変動を予知することを特徴とする水質汚染監視方法。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【公開番号】特開平６−２７０１４
【公開日】平成６年（１９９４）２月４日
【国際特許分類】
【出願番号】特願平４−２０３１１４
【出願日】平成４年（１９９２）７月７日
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【公開日】平成６年（１９９４）２月４日
【国際特許分類】
【出願日】平成４年（１９９２）７月７日
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
[ Back to top ]