Sonuçlar

Büyük maliyetlerle kurulan atıksu arıtma tesisleri için önemli bir parametre olan ÇHİ değerinin görüntü işleme ve yapay zekâ teknikleri kullanılarak tahmin edilmesi, çamurdaki filamentlilerin fazla çoğalmasını ve katı maddelerin fiziksel çökelme (çökelmeme) problemlerinin takibini sağlayacaktır. Eğer ÇHİ değeri >150 mL/g ise çamur kabarması ve dolayısıyla çamur çökelme problemi gözlenir. ÇHİ değerinin 50-100 mL/g arasında olması istenir. Sadece ÇHİ değeriyle çökelmeme probleminin neden

kaynaklandığı bilinememektedir. Mikroskop altında aktif çamur görüntülerinin içinde mevcut olan filament ve flok yapısının incelenmesi gerekmektedir. Bu tezdeki önerilen metotla ÇHİ değerinin hesaplanmasıyla flok ve filamentlerin şekilsel, dokusal ve istatiksel bilgilerin de olması ÇHİ değerinin daha iyi anlaşılması sağlanacaktır. Çalışanların işini daha da kolaylaştırarak tesislerdeki olumsuz etki ve kayıplardan etkin bir şekilde bilgi sağlayacaktır. Deneysel çalışma gereksinimi minimuma indirgeneceğinden tesis işletme maliyetlerini büyük ölçüde azaltacaktır. Önerilen sistemin önemli bir özelliği de kullanıcı girişi gerektirmeden arıtma tesisin günlük işleyişinde, uzun süren çeşitli işlemleri otomatik hale getirerek çalışanların yaptığı işi hafifletmesidir. Bir deneyin hatalı olduğu düşünüldüğünde deneyin tekrarlanması gerektiğinden klasik yöntemlerle bu oldukça zaman alıcı ve maliyetli olacaktır.

Aktif çamur havalandırma tankından alınan numunelerden aktif çamur görüntülerini otomatik almak için motorlu XY platform ve mikroskop kameralı bir sistem kurulmuştur. Bu sistem için geliştirilen yazılım vasıtasıyla hem eşzamanlı çalışmaları hem de tarama için gerekli parametrelerin kontrolü sağlanmıştır. Her numuneden belli bir alan sıralı olarak taranarak 49 görüntü alınmıştır. Eylül 2011-Agustos 2012 tarihleri arasında tesis bir yıl boyunca takip edilmiş ve toplam 120 numune incelenmiştir. Görüntüleri alınma tarihi ile oluşturulan klasöre sırayla kaydedilmekte ve tüm görüntüler sırasıyla işlenmektedir. 49x120=5880 ve her bir görüntü için 33 parametre çıkarıldığı da düşünülürse 194040 veri söz konusudur. Elde edilen tüm veriler bir Excel dosyasına kaydedilmektedir. Otomatik görüntü yakalama ve sistematik bir şekilde numunenin taranması, kaydedilmesi önemli bir süreçtir ve sonraki aşamaların sonuçlarını etkileyecektir.

Alınan görüntülerin flok ve filament yapıları incelenmiş ve bu yapıların bölütlenmesinde yeni bir bölütleme yöntemi sunulmuştur. Bölütlemede HSA yapısı kullanılmış ve HSA’nın iterasyon değerinin önemi vurgulanmış ve sonuca etkisi gösterilerek yeni bir bakış acısı getirilmiştir. Önerilen yöntemde her bir görüntünün özelliğine göre HSA’nın iterasyon sayısı belirlenmiştir. İterasyon değerini belirlemek için dalgacık dönüşümü sonucu elde edilen LL2, HH2 alt-bant görüntülerinin SF değeri

hesaplanmış ve bunların birbirine oranının görüntü üzerindeki etkisi araştırılmıştır. İçeriğinden bağımsız olarak, görüntünün netliği hakkında bilgi veren özellik bulunmuştur. Farklı özelliklere sahip atıksu görüntülerinin bölütlenmesi sağlanmıştır. Bulunan ayıt edici özellik aktif çamur görüntüleri dışında bilinen görüntülerde hesaplanarak görüntünün netliğini ölçen ve en çok kullanılan pik sinyal gürültü oranı (PSNR) değeriyle karşılaştırılmıştır. Bilinen test görüntüleri üzerinde yapılan deneysel çalışmalar neticesinde; önerilen yöntem ile görüntünün kalitesi hakkında yorum yapılabileceği görülmüştür.

Daha sonra flok ve filamentleri doğru şekilde ve ayrı ayrı tespitini sağlamak için bir dizi morfolojik işlemler uygulanmıştır. Flok ve filamentlere ait özellikler belirlenmiştir. Aktif çamur görüntülerinde genellikle morfolojik (şekilsel) ve istatiksel özellikler incelenmiştir. Bu tez çalışmasında görüntülerin dokusal özellikleri de kullanılmıştır. Her numuneye (güne) ait önce 20 özellik çıkarılmış ve bu özelliklerden 33 parametre hesaplanarak veri seti oluşturmuştur. Bu 33 parametre normalize edilerek YSA girişine uygulanmıştır. YSA ağırlıklarının eğitilmesinde birçok alanda kullanılan arı ve genetik algoritmaları, atıksu arıtma tesislerinden alınan görüntülere uygulanmıştır. 33:10:1 mimarisiyle yapay sinir ağının ağırlıkları Levenberg-Marquardt, genetik ve arı algoritmaları ile eğitilmiştir.

Bu tez çalışmasında, performans sonuçlarının geçerliliğini arttırmak için 5-kat çapraz onaylama metodu kullanılmıştır. Model tahmin sonuçları ile deneysel elde edilen ÇHİ parametresi arasında en iyi 0.915 korelasyon değeri elde edilmiştir. Literatürde görüntü işleme teknikleri kullanılarak tam ölçekli bir tesis için çamur hacim indeksinin tahmin edilmesi son zamanlarda artmaktadır. Amaral ve ark., (2013) laboratuvar ortamında aktif çamur filament, nokta floklar (pinpoint flocs), viscous kabarma, normal koşullar olmak üzere dört veri grubunda sınıflandırılarak ÇHİ değerini tahmin etmişlerdir. Sınıflandırılmamış verilere göre sınıflandırılan bu verilerin daha iyi tahmin yeteneğine sahip olduğunu belirtmişlerdir. Tahmin edilen ile ölçülen değerler arasında

0.98 korelasyon elde etmişlerdir. Amaral ve Ferreira (2005) tam ölçekli bir tesiste ÇHİ’nin tahmin edilen ve ölçülen değerler arasındaki korelasyon katsayısını 0.861 bulmuşlardır. Laboratuvar ölçekli deneylerde elde edilen sonuçlar, tam ölçekli bir tesis için aynı sonucu vermeyecektir. Han ve Qiao (2013) çalışmalarında, görüntü işleme teknikleri kullanmadan hiyerarşik yapay sinir ağları ile çözünmüş oksijen konsantrasyonu, asitlik-bazlık, kimyasal oksijen ihtiyacı ve biyokimyasal oksijen ihtiyacı verileri kullanılarak ÇHİ değerini %98 oranında tahmin etmişlerdir.

Atıksu arıtma tesisleri çeşitli protozoa gruplarını barındırırlar. Konya Kentsel Atıksu Arıtma Tesisinde çoğunlukla rastladığımız protozoa türü vorticella olmuştur. Protozoalar genellikle filamentli yapıya sahiptirler. Görüntülerde filamentli yapısının fazla belli olmadığı veya flok yapının içinde kaybolduğu gözlenmiştir. Dolayısıyla ayrıştırmalarda filamentli yapı dikkate alınmamıştır. Protozoaların floklarla çok benzer yapı göstermesi ve iç içe yer aldıklarından dolayı ayırt edilmeleri oldukça zordur. Literatürde görüntüdeki protozoayı içeren bölgenin seçilmesi suretiyle veya sadece ilgili bölge dikkate alınarak protozoalar belirlenmiştir. Bir kısmı veya parça parça elde edilen protozoaların bir bütün olarak elde edilmesi için morfolojik işlemlerle birlikte aktif kontur metodu kullanılmıştır. Görüntünün konveks alanı kullanılarak, aktif konturun başlangıç maskesinin ilk yeri otomatik olarak belirlenmiştir. Aktif kontur yardımıyla protozoanın sınırları belirlenmiştir. Önerilen yöntemde, hiçbir ilgili bölge seçimi yapılmadan görüntü üzerinde işlemler otomatik olarak gerçekleştirilmiştir.

Çevre mühendisliğinde arıtma proseslerinin görüntü işleme yöntemleri ile değerlendirilmesi ve modellenmesinin proses izleme ve kontrol yaklaşımlarında yeni açılımlar getireceği öngörülmektedir. Bu çalışma ile tam ölçekli bir tesis için aktif çamur sistemlerini izlemek, proses sorunların erken tanımlanması ve önlenmesi için otomatik görüntü analiz yöntemi uygulanabilirliği gösterilmiştir. Bu tez kapsamında oluşturulan modeller, bu alandaki eksikliklerin tamamlanmasına katkı sağlayabilecek ve pratik uygulama çalışmalarına yol gösterebilecektir.