تشخیص هوشمند عیوب سطحی پنلهای خورشیدی با رویکرد بینایی ماشین مبتنی بر یادگیری عمیق | ||
| فصلنامه سیستم های انرژی پایدار | ||
| دوره 5، شماره 4، پاییز 1405، صفحه 665-689 اصل مقاله (1.99 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22059/ses.2026.414893.1244 | ||
| نویسنده | ||
| علی جلوخانی* | ||
| دانشکدۀ کامپیوتر، دانشکدۀ فنی دانشگاه تهران | ||
| چکیده | ||
| با گسترش استفاده از سامانههای فتوولتائیک، پایش سلامت پنلهای خورشیدی به یکی از موضوعات مهم در بهرهبرداری پایدار، کاهش هزینههای نگهداری و افزایش بازده تولید انرژی تبدیل شده است. عیوبی مانند شکستگی، گردوغبار، سایه و تغییرات سطحی میتوانند باعث افت عملکرد پنل و کاهش عمر مفید آن شوند. روشهای سنتی بازرسی معمولاً زمانبر، وابسته به نیروی انسانی و در مقیاسهای بزرگ غیرکارآمد هستند. در این پژوهش، نوعی چارچوب مبتنی بر بینایی ماشین و یادگیری عمیق برای تشخیص و مکانیابی نواحی سطحی پنلهای خورشیدی ارائه میشود. مدل پیشنهادی از استخراجگر ویژگی ResNet101، ماژول استخراج لبه مبتنی بر عملگر سوبل، ماژول توجه کانالی ـ فضایی، ساختار تلفیق ویژگی چندمقیاسی FPN/PAN و سر تشخیص چندمقیاسی تشکیل شده است. خروجی مدل شامل جعبههای محدودکننده، کلاس ناحیه و امتیاز اطمینان است و بنابراین، میتواند چندین ناحیۀ مختلف را به صورت همزمان در یک تصویر شناسایی کند. مجموعهداده مورد استفاده از ترکیب تصاویر گردآوریشده از منابع عمومی و دادههای جمعآوریشده دستی تشکیل شده و کلاسهای شکستگی، ناحیۀ سالم، گردوغبار و سایه را شامل میشود. نتایج آزمایشها نشان داد مدل پیشنهادی با دستیابی به دقت 954/0، بازخوانی 939/0، امتیاز F1 برابر با 946/0، مقدار mAP@0.5 برابر با 966/0 و مقدار mAP@0.5:0.95 برابر با 766/0، عملکرد بهتری نسبت به مدلهای پایه و روشهای جدید تشخیص عیوب فتوولتائیک دارد. همچنین، نتایج مطالعۀ حذف اجزا نشان داد ترکیب اطلاعات لبهای، توجه کانالی ـ فضایی و تلفیق چندمقیاسی نقش مهمی در بهبود دقت تشخیص و مکانیابی دارد. بر اساس نتایج، روش پیشنهادی میتواند به عنوان یک راهکار کاربردی برای پایش خودکار، پاکسازی هدفمند، تعمیر و نگهداری پیشبینانۀ پنلهای خورشیدی مورد استفاده قرار گیرد. | ||
| کلیدواژهها | ||
| پنل خورشیدی؛ تشخیص عیوب پنلهای خورشیدی؛ بینایی ماشین؛ یادگیری عمیق | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 138 تعداد دریافت فایل اصل مقاله: 27 |
||