Use este identificador para citar ou linkar para este item: http://repositorio.utfpr.edu.br/jspui/handle/1/35695
Título: Dispositivo de borda baseado em rede neural convolucional para inspeção multiespectral de painéis fotovoltaicos
Título(s) alternativo(s): Convolutional neural network based edge device for multispectral inspection of photovoltaic panels
Autor(es): Di Renzo, André Biffe
Orientador(es): Silva, Jean Carlos Cardozo da
Palavras-chave: Painéis solares
Localização de falhas (Engenharia)
Redes neurais (Computação)
Sistemas embarcados (Computadores)
Algorítmos computacionais
Processamento de imagens
Visão por computador
Inteligência artificial
Solar panels
Fault location (Engineering)
Neural networks (Computer science)
Embedded computer systems
Computer algorithms
Image processing
Computer vision
Artificial intelligence
Data do documento: 22-Nov-2024
Editor: Universidade Tecnológica Federal do Paraná
Câmpus: Curitiba
Citação: DI RENZO, André Biffe. Dispositivo de borda baseado em rede neural convolucional para inspeção multiespectral de painéis fotovoltaicos. 2024. Tese (Doutorado em Engenharia Elétrica e Informática Industrial) - Universidade Tecnológica Federal do Paraná, Curitiba, 2024.
Resumo: O uso de painéis fotovoltaicos para geração de energia elétrica de forma sustentável vem crescendo em todo mundo. Com isso, grandes plantas solares precisam ser monitoradas de forma a encontrar defeitos com agilidade, evitando longas paradas na geração de energia. Existem várias técnicas para monitorar plantas solares. Algumas delas são inspeção visual,no espectro visível, por termografia infravermelha, aquisição de imagens de fluorescência após excitação do painel por luz ultravioleta. Todas essas técnicas utilizam câmeras para captar imagens do painel para sua posterior análise. Mesmo com tantas técnicas, cada uma delas possuem suas lacunas. Neste trabalho foi desenvolvida uma câmera multiespectral com um para adquirir e classificar imagens de painéis fotovoltaicos em tempo real, utilizando um edge device para conectar todo o hardware e processar as imagens. Além disso, um concentrador de luz foi desenvolvido para que inspeções por luz ultravioleta sejam efetuadas de forma eficiente. Neste projeto de pesquisa também foram revisadas técnicas que podem ser utilizadas para melhorar ou esclarecer as técnicas mencionadas auxiliando na inspeção de painéis solares. Em termos de algoritmos computacionais, duas metodologias foram testadas para a inspeção de painéis fotovoltaicos, uma utiliza classificação direta da imagem (sem detecção de objetos) e classifica a imagem adquirida com uma rede neural convolucional e outra técnica utiliza um algoritmo completo que detecta e classifica os painéis solares utilizando também redes neurais convolucionais. Ambas as metodologias apresentaram resultados similares ou melhores que os encontrados na literatura com valores de acurácia superiores a 90% para o caso da metodologia de classificação direta e precisão superior a 86% na metodologia com detecção de objetos. A solução apresentada pode ser uma ferramenta importante para a equipe de manutenção realizar manutenções preventivas, permitindo identificar problemas precocemente e planejar o cronograma de manutenção da planta solar.
Abstract: The use of photovoltaic panels for sustainable electricity generation has been growing worldwide. As a result, large solar plants must be monitored to find defects, quickly avoiding extended shutdowns in energy generation. There are several techniques for monitoring solar plants. Some of them are visual inspection in the visible spectrum, infrared thermography, and the acquisition of fluorescence images after excitation of the panel by ultraviolet light. All of these techniques use cameras to capture images of the panel for later analysis. Even with só many techniques, each of them has its shortcomings. In this work, a multispectral camera was developed to acquire and classify images of photovoltaic panels in real-time, using an edge device to connect all the hardware and process the images. In addition, a light concentrator was developed só that ultraviolet light inspections can be carried out efficiently. This research project also reviewed techniques that can be used to improve or clarify the aforementioned techniques, aiding in the inspection of solar panels. Regarding computational algorithms, two methodologies were tested for inspecting photovoltaic panels. One uses direct image classification (without object detection) and classifies the acquired image with a convolutional neural network. The other technique uses a complete algorithm that detects and classifies solar panels using convolutional neural networks. Both methodologies presented results similar to or better than those found in the literature, with accuracy values above 90% for the direct classification methodology and accuracy above 86% for the methodology with object detection. The presented solution can be an essential tool for the maintenance team to perform preventive maintenance, allowing early identification of problems and planning the maintenance schedule of the solar plant.
URI: http://repositorio.utfpr.edu.br/jspui/handle/1/35695
Aparece nas coleções:CT - Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
dispositivobordapaineisfotovoltaicos.pdf9,16 MBAdobe PDFThumbnail
Visualizar/Abrir


Este item está licenciada sob uma Licença Creative Commons Creative Commons