本研究の目的は、浄水処理プロセスにおいて生成されるフロックの画像から、凝集沈殿後の濁度を予測する深層学習モデルの構築である。
本講演では、凝集後の濁度を回帰予測するモデルの精度改善に向けた試みを述べる。
従来手法の予測モデルでは、低濁度域において予測が困難なデータがあるという課題があった。
その原因として、画像のみでは沈降性の判断が難しいという仮説に基づき、データセットに新たな情報を追加する。
具体的には、フロックの沈殿速度を計算・画像化したデータを用いる。
これにより、従来のフロックの画像のみでは捉えきれない沈降速度を新たにモデルに学習させることで、予測精度の向上を目指す。