Detección de fallas en paneles solares mediante aprendizaje automático
Equipo Arduino — 14 de octubre de 2022
Las grandes instalaciones de paneles solares son vitales para nuestro futuro de generación de energía sin las emisiones masivas de dióxido de carbono que estamos produciendo actualmente. Sin embargo, con el tiempo pueden desarrollarse fracturas microscópicas, puntos calientes y otros defectos en la superficie, lo que lleva a reducciones en la producción e incluso averías si no se detectan. La solución de Sivan por Manivanna Resolver este problema requiere usar la visión por computadora y el aprendizaje automático para encontrar pequeños defectos en la superficie antes de informar automáticamente la información.
Siván ha compilado su conjunto de datos reuniendo primero imágenes de paneles solares con grietas visibles usando un Arduino Porta H7 y escudo de visión luego dibuje cuadros delimitadores alrededor de cada uno. A partir de ahí formó un modelo MobileNetV2 con la adición de FOMO reciente de Edge Impulse Algoritmo de detección de objetos para un mejor rendimiento. Pudo mejorar aún más la precisión del modelo al aumentar el conjunto de datos con imágenes tomadas en diferentes ángulos de cámara y condiciones de iluminación para evitar confundir las líneas de límite blancas con grietas.
Después de probar e implementar el modelo de estudio Edge Impulse en su placa Portenta H7, logró encontrar grietas en la superficie de un panel solar aproximadamente el 80 % de las veces. En el futuro, Sivan puede agregar otras características que aprovechen la conectividad en el vehículo para comunicarse con servicios externos para tiempos de respuesta más rápidos. Puedes Conoce más sobre el proyecto aquí.
Puede seguir cualquier respuesta a esta entrada a través de la fuente RSS 2.0. Puedes deja una respuestao trackback desde su propio sitio.