AI може да идентифицира дефекти в слънчевите панели
Дронове и ML логаритми постоянно инспектират техническата редовност на фотоволтаиците
Голямото многообразие от типове, модели и размери фотоволтаични панели остава предизвикателство за AI механизмите за ревизия на PV паркове (снимка: CC0 Public Domain)
Изкуственият разсъдък се обрисува като мощен инструмент за улеснение на работата на операторите на слънчеви ферми. Той може да стане скъп съдружник в рутинната поддръжка на слънчевите паркове. Въпреки, че към момента има някои провокации за решение в тази област, инспекцията на слънчевите панели посредством AI усилва успеваемостта и понижава разноските.
Повечето планове за ревизия на фотоволтаични паркове благодарение на изкуствен интелект нормално са свързани с така наречен компютърно зрение. Това значи, че логаритъм „ чете “ изображения, с цел да разпознава дефектите по слънчевите панели.
Използването на неестествен разсъдък (AI) и компютърно зрение (CV) при инспекция на слънчеви панели е относително ново събитие. Традиционно операторите на слънчеви ферми разчитат на екип от служащи, които да ревизират ръчно слънчевите панели за недостатъци. Този развой е муден. Всеки оператор на слънчева плантация знае, че визитите за поддръжка просто не е допустимо да се правят постоянно, бързо и елементарно.
За да ускорят процеса на ревизия и да подобрят точността, операторите на слънчеви ферми се обръщат към логаритмите, учредени на AI. Това включва потреблението на логаритми, които могат автоматизирано да откриват недостатъци по слънчевите панели на база изображения. Процесът е доста по-бърз и нерядко по-точен от ръчната инспекция.
Как работи инспекцията на база AI?
Има няколко разнообразни метода, по които слънчевите ферми могат да ползват ревизия, основана на AI. Най-често срещаният метод разчита на потреблението на безпилотен летателен уред (БЛА). Дроновете обезпечават безконтактен оглед на слънчевите ферми, тъй че операторите елементарно да правят първокласен надзор на своите слънчеви масиви, употребявайки въздушни изображения.
Изображенията, събрани от БЛА, могат да бъдат обработени от логаритъм – било то в в облака или локално, на лично устройството. Резултатите от разбора на AI логаритъма ще кажат на контрольора по качеството кои PV панели имат забележими признаци на недостатъци.
Чрез потреблението на изкуствен интелект за автоматизирано систематизиране на недостатъци, контрольорите по качеството могат да понижат разноските, като изследват цялото оборудване за няколко часа. Освен това автоматизираното идентифициране на дефектни панели може да форсира времето за инспекция с маркиране въз основата на местонахождение, като по този метод усъвършенства успеваемостта.
Какви са логаритмите?
Най-често срещаният вид логаритъм, употребен при инспекция на слънчеви панели, е подобен за задълбочено машинно самообразование (ML). Тези логаритми употребяват невронна мрежа, с цел да научат по какъв начин да вземат решение дадена задача. Невронните мрежи са формирани от взаимосвързани пластове, които могат да се „ научат “ по какъв начин да разпознават недостатъци по слънчевия панел единствено от изображения.
още по темата
Тези мрежи за надълбоко самообразование изискват данни за образование, които са огромни набори от данни с етикетирани изображения. В доста случаи операторът на слънчевата плантация може да даде тези етикетирани изображения на логаритъма за надълбоко образование. Като опция, доставчикът на AI системата може да даде тези етикетирани изображения от своя лична база данни.
При образованието се борави с набор от данни за образование, който се състои от изображения, съдържащи облици на недостатъци на слънчеви панели, както и изображения на модули без недостатъци. Операторът на слънчевата плантация ще маркира всяко изображение като дефектно или недефектно, тъй че невронната мрежа да се научи по какъв начин да разпознава и двата типа панели.
След като логаритъмът за надълбоко образование бъде подготвен, той може да се употребява за инспекция на слънчевите панели от изображения, събрани от дроновете, облитащи слънчевата плантация. Невронната мрежа ще разпознава всички недостатъци по слънчевите панели единствено по изображенията – и ще даде подредба (дефектен или недефектен).
Предизвикателства при инспекцията, основана на AI
Въпреки че инспекцията, основана на AI, предлага няколко преимущества за ревизия на слънчеви панели, има някои провокации, които би трябвало да бъдат преодолени.
Първият е съществуването на данни за образование. За да може един логаритъм за задълбочено образование да се научи по какъв начин да открива недостатъци по слънчеви панели, той се нуждае от огромен набор от данни от етикетирани изображения. Това значи, че операторът на слънчевата плантация би трябвало да даде голям набор от изображения на слънчеви панели, които имат недостатъци, както и и набор от изображения на панели без недостатъци.
Второто предизвикателство е огромното многообразие при слънчевите панели. Соларните ферми могат да конфигурират стотици или даже хиляди разнообразни видове и модели слънчеви панели – всеки със свои лични неповторими характерности като размер, форма, цвят и така нататък Тъй като характерностите на слънчевия панел могат да варират доста, това може да повлияе на способността на логаритъма за надълбоко самообразование да работи из голям брой слънчеви уреди.
Последното предизвикателство е в точността на модела на резултатите от инспекцията. Алгоритмите, подготвени да откриват недостатъци в слънчевия панел, в никакъв случай няма да бъдат 100% точни. Това значи, че дребен брой слънчеви панели могат да бъдат погрешно класифицирани като дефектни. Въпреки това, посредством потребление на голям брой модели за надълбоко образование (обучени на разнообразни набори от данни), възможностите за неправилна подредба могат да бъдат сведени до най-малко.
Перспектива
Като цяло AI е доста мощен инструмент за операторите на слънчеви ферми и би трябвало да бъде включен в тяхната рутинна поддръжка. Въпреки че има някои провокации, инспекцията на слънчевите панели благодарение на AI ще усили успеваемостта и ще понижи разноските.
Голямото многообразие от типове, модели и размери фотоволтаични панели остава предизвикателство за AI механизмите за ревизия на PV паркове (снимка: CC0 Public Domain)
Изкуственият разсъдък се обрисува като мощен инструмент за улеснение на работата на операторите на слънчеви ферми. Той може да стане скъп съдружник в рутинната поддръжка на слънчевите паркове. Въпреки, че към момента има някои провокации за решение в тази област, инспекцията на слънчевите панели посредством AI усилва успеваемостта и понижава разноските.
Повечето планове за ревизия на фотоволтаични паркове благодарение на изкуствен интелект нормално са свързани с така наречен компютърно зрение. Това значи, че логаритъм „ чете “ изображения, с цел да разпознава дефектите по слънчевите панели.
Използването на неестествен разсъдък (AI) и компютърно зрение (CV) при инспекция на слънчеви панели е относително ново събитие. Традиционно операторите на слънчеви ферми разчитат на екип от служащи, които да ревизират ръчно слънчевите панели за недостатъци. Този развой е муден. Всеки оператор на слънчева плантация знае, че визитите за поддръжка просто не е допустимо да се правят постоянно, бързо и елементарно.
За да ускорят процеса на ревизия и да подобрят точността, операторите на слънчеви ферми се обръщат към логаритмите, учредени на AI. Това включва потреблението на логаритми, които могат автоматизирано да откриват недостатъци по слънчевите панели на база изображения. Процесът е доста по-бърз и нерядко по-точен от ръчната инспекция.
Как работи инспекцията на база AI?
Има няколко разнообразни метода, по които слънчевите ферми могат да ползват ревизия, основана на AI. Най-често срещаният метод разчита на потреблението на безпилотен летателен уред (БЛА). Дроновете обезпечават безконтактен оглед на слънчевите ферми, тъй че операторите елементарно да правят първокласен надзор на своите слънчеви масиви, употребявайки въздушни изображения.
Изображенията, събрани от БЛА, могат да бъдат обработени от логаритъм – било то в в облака или локално, на лично устройството. Резултатите от разбора на AI логаритъма ще кажат на контрольора по качеството кои PV панели имат забележими признаци на недостатъци.
Чрез потреблението на изкуствен интелект за автоматизирано систематизиране на недостатъци, контрольорите по качеството могат да понижат разноските, като изследват цялото оборудване за няколко часа. Освен това автоматизираното идентифициране на дефектни панели може да форсира времето за инспекция с маркиране въз основата на местонахождение, като по този метод усъвършенства успеваемостта.
Какви са логаритмите?
Най-често срещаният вид логаритъм, употребен при инспекция на слънчеви панели, е подобен за задълбочено машинно самообразование (ML). Тези логаритми употребяват невронна мрежа, с цел да научат по какъв начин да вземат решение дадена задача. Невронните мрежи са формирани от взаимосвързани пластове, които могат да се „ научат “ по какъв начин да разпознават недостатъци по слънчевия панел единствено от изображения.
още по темата
Тези мрежи за надълбоко самообразование изискват данни за образование, които са огромни набори от данни с етикетирани изображения. В доста случаи операторът на слънчевата плантация може да даде тези етикетирани изображения на логаритъма за надълбоко образование. Като опция, доставчикът на AI системата може да даде тези етикетирани изображения от своя лична база данни.
При образованието се борави с набор от данни за образование, който се състои от изображения, съдържащи облици на недостатъци на слънчеви панели, както и изображения на модули без недостатъци. Операторът на слънчевата плантация ще маркира всяко изображение като дефектно или недефектно, тъй че невронната мрежа да се научи по какъв начин да разпознава и двата типа панели.
След като логаритъмът за надълбоко образование бъде подготвен, той може да се употребява за инспекция на слънчевите панели от изображения, събрани от дроновете, облитащи слънчевата плантация. Невронната мрежа ще разпознава всички недостатъци по слънчевите панели единствено по изображенията – и ще даде подредба (дефектен или недефектен).
Предизвикателства при инспекцията, основана на AI
Въпреки че инспекцията, основана на AI, предлага няколко преимущества за ревизия на слънчеви панели, има някои провокации, които би трябвало да бъдат преодолени.
Първият е съществуването на данни за образование. За да може един логаритъм за задълбочено образование да се научи по какъв начин да открива недостатъци по слънчеви панели, той се нуждае от огромен набор от данни от етикетирани изображения. Това значи, че операторът на слънчевата плантация би трябвало да даде голям набор от изображения на слънчеви панели, които имат недостатъци, както и и набор от изображения на панели без недостатъци.
Второто предизвикателство е огромното многообразие при слънчевите панели. Соларните ферми могат да конфигурират стотици или даже хиляди разнообразни видове и модели слънчеви панели – всеки със свои лични неповторими характерности като размер, форма, цвят и така нататък Тъй като характерностите на слънчевия панел могат да варират доста, това може да повлияе на способността на логаритъма за надълбоко самообразование да работи из голям брой слънчеви уреди.
Последното предизвикателство е в точността на модела на резултатите от инспекцията. Алгоритмите, подготвени да откриват недостатъци в слънчевия панел, в никакъв случай няма да бъдат 100% точни. Това значи, че дребен брой слънчеви панели могат да бъдат погрешно класифицирани като дефектни. Въпреки това, посредством потребление на голям брой модели за надълбоко образование (обучени на разнообразни набори от данни), възможностите за неправилна подредба могат да бъдат сведени до най-малко.
Перспектива
Като цяло AI е доста мощен инструмент за операторите на слънчеви ферми и би трябвало да бъде включен в тяхната рутинна поддръжка. Въпреки че има някои провокации, инспекцията на слънчевите панели благодарение на AI ще усили успеваемостта и ще понижи разноските.
Източник: technews.bg
КОМЕНТАРИ