人の感覚による判断を数値による定量化、データの可視化へ

まず、水面に浮遊するスカムのみを正確に認識するAIモデルの検討から着手しました。対象となるカメラはそれぞれ背景が異なり、時間帯や気象条件もさまざまです。また、水面のスカムは細かく点在しつつ面的に広がっている上、水面にはスカム以外のごみやさざ波、雨、空や周辺の映り込みなど紛らわしい画像も多い中、多種多様な教師画像を3,000枚以上用意しました。これらを学習させることにより、95％を超える高精度なモデル（Attention U-netモデル）を構築しました。
次に、構築したAIの判別結果からスカムが広がる面積をも求め、カメラ内の水面の面積に対する割合を「被覆率」として算出することで、発生状況を数値化しました。さらに、時間の経過とともに変化する各地点の被覆率をグラフで表現し、河川の水位や下水処理場からの放流量と比較しました。
その結果、3カ年分の映像から、降雨後の合流式下水道から河川への下水放流や河川水位の変動との関係性、大量に発生している地点、移動状況を見える化し、発生要因の仮説を立てることができました。
今回の取り組みにより、スカムが発生する地点やタイミングがおおむね予想できるようになったことから、今後は大量に発生する前に迅速に対応することが期待できるようになり、対策装置の設置などの予防保全措置の立案、対策実施に向けた基礎データを得ることができました。また、AIを活用することで人的労力や判断の個人差の解消や経年比較などが実現し、河川維持管理にかかる作業の効率化、生産性の向上などが期待されます。