Nhận Dạng Tấm Pin Mặt Trời Bị Lỗi Dựa Trên Hình Ảnh Điện Phát Quang Bằng Deep Learning

Abstract

Việc xác định tấm pin mặt trời bị hỏng có vai trò rất quan trọng trong việc đảm bảo vận hành an toàn, tin cậy và hiệu suất tối đa của các nhà máy điện mặt trời. Trong nghiên cứu này, chúng tôi đề xuất sử dụng mô hình deep learning để tự động hoá việc phân loại tấm pin mặt trời bị lỗi. Mô hình này bao gồm mạng nơron tích chập được dùng để trích xuất đặc trưng và thuật toán máy học véctơ hỗ trợ để nhận dạng. Mô hình được huấn luyện và kiểm tra trên tập dữ liệu bao gồm 2.146 hình ảnh điện phát quang có độ phân giải cao của các tấm pin mặt trời loại momo và loại poly. Kết quả phân loại cho thấy mô hình đề xuất có thể phân loại được tấm pin mặt trời bị hỏng với độ chính xác đạt được là 91,63%.

Ensembling techniques in solar panel quality classification

“…According to [8]- [10], electroluminescence image are valuable data which can be used to predict the conditions of panels. However, in their studies information of experiment preparation was not fully provided and the approaches differed Deep learning network was adopted by [11] to detect defected panels based on infrared EL images. Nevertheless, method for assessing the failure rate per panel as well as data collections were not fully described in the study.…”