本研究の目的は浄水場の凝集プロセスにおける凝集剤の注入量を最適化するために、凝集剤を注入した処理水の初期の画像から最終的な凝集後濁度を予測することである。
凝集プロセスでは凝集剤を注入し攪拌することによって時間を追うごとにフロックと呼ばれる多量の集塊が形成される。このフロックの形成初期段階の処理水の画像から機械学習を用いて凝集後濁度を予測する。深層畳み込みネットワークを利用し、河川水を用いた実験を行った結果、(1)特徴が出やすいと思われる凝集の時間帯を明らかにし、(2)河川水の凝集中の画像からおよそ90%前後の精度で予測可能であることを明らかにした。