Tag: Modules & Upstream Manufacturing

Los investigadores en Australia Han desarrollado un Método de Arquitectura Basado residual en la Red residual Simplificado para filtro el Ruido de Las Ágenes de Electroluminiscencia de Módulos Fotovoltaicos. Según Los Informes, La Técnica Propuesta Mejora la Precisión y Eficiencia de los Sistemas de Inspecciónomatizados para las plantas fotovoltaicas a Escala de Servicios Públicos.

Un Grupo de Científicos Dirigidos por Investigadores de la Universidad de Nueva Gales del Sur (UNSW) en Australia ha desarrollado un Nuevo Método de Aprendizaje Profundo para denominar im ágenes de electroluminiscencia al aire libre (el) de módulos fotovoltaicos.

Apodado SimpleReSnet, El Método Novedoso se Basa en una arquitectura basada en Red residual (resnet) simplificada, que utiliza conexiones residuales para Permitir que las -las redes neuronales aprendan de manera más efectiva.

«Medianecio el Uso de Un Modelo de Visión por Computadora Personalizada, que presenta una arquitectura de rojo profundo convolucional neuronal, podemos mejorar la calidad de la renovacióna de los conjuntos de datos de im ágenes, en particular al mantener importantes casterterías de altto de altto de la altada contrasta la certaste de la altada de la altada contrasta la certaste de la altada de la altura de la altina de la altura de la altura de la altura de la altura de la altura de la altura de la altura de la altina de la altura de la altura de la altura de la altura de la altura de la altura de la altura de la altura de la altura de la altura de la altura de la altura de la altera de la altina de la altina de la altura de la altura de la altera de la altura de la altura de la altura de la altura de la altura de la mantener. Diagnóstico «, Dijo El Autor correspondiente Brendan Wright. Revista Fotovoltaica. «El Desempeño de Nuestra Metodología excede los intentos anterior y los algoritmos de desoción más Generales».

La Nueva metodología consiste en una capa convolucional de entrada con ocho filtros, un solo bloque residual y una capa convolucional de salida. El bloque residual, un su vez, contiene dos capas convoluciones 3 × 3 con ocho filtros cada una. El Modelo Fue Abrenado, Validado y Probado en 627 IMAGENES, CON UNA RELACIÓN 7: 2: 1.

El Conjunto de Datos consistencia en im ágenes de Luminiscencia en Escala de Grises de Módulos PV Monocristalinos de Células Completas TOTRALAS Y MEDIOS CÉLULA, CAPTURADAS EN INTERIERES CON UNO SESGO DE 100% Y 10% DE LA CORTIENTE DE CORTOCIRITO DEL MÓDULO. SE acordgaron tres tipos de ruidos: gaussianos, poisson y sal y pimienta, un esas im ágenes, solas y juntas, utilizando modelos matemós. Finalmente, se combinaron pares de im ágenes de Limpieza ruidosa para el Uso del Modelo.

«Para la comparación de Referencia, se Aplicó el algoritmo bm3d, un Método de Renoización Tradicional de Última generación. 160/255 Para Un Rendimiento Óptimo «, Dijeron Los Científicos. «Además, LOS Resultados se compararon con el modelo de Renoising a un nivel basado en Rennet34. Aunque Este Modelo Fue Diseñado y AreRenado Para Células Fotovoltaica individuales, SE Adaptó Aquí para procesar im ágenes de Módulos Completos, resaltando la necesida Urgentes. de Módulo «.

SE Descubrio que la Arquitectura SimpleReSnet Demuestra un mejor Rendimiento de Renovació que los Puntos de Referencia. Ha Logrado un valor medio de relación Señal / Ruido de la Señal a Ruido (PSNR) de 33.56 dB y un valor de medida del Índice de Similitud Estructural (SSIM) de 0.84. BM3D, por ootro -Lado, LOGRÓ 31.48 dB y 0.80, Respectivamete, Mientras que el Enfocque de desocuaciónis un Alcanzó celular nivel 28.42 dB y 0.62, respectivo. «Capacidos de Estas desarrolladas contribuyen un mejorar la precisión y eficiencia de los sistemas de inspección automatizados para las plantas fotovoltaicos a Escala de Servicios Públicos», Señalaron Los Académicos.

El Análisis También Mostró que la Velocidad de Procesamiento del Método Estaba Por DeboJo de 0.2 Segundos por Imagen. «LOGRAMOS UN DRAMÁTO BENECIO DE TIempO/COSTO DE CÁLCULO AL USAR ESTE MODELO MÁS ENFOCADO, REDUCIENDO EL TIempO DE PROCISAMIENTO DE IMÁGENES ÚNICAS A MENOS DE 1 SEGUNDO, UNO ORDEN DE MAJORA DE MAGNITUIM EN COMPARACIÓN HACE QUE ESTA METODOLOGÍA Mar Factible para aplicaciones de Procesamiento en tiempo real «, Agregó Wright.

«Tenemos la intención de continuar optimizando el rendimiento de esta clase de modelos, a través de mejoras en los métodos de arquitectura y capacitación, pero también centrarnos en la generalización y la aplicación a técnicas de diagnóstico adicionales, incluidas las Imagenes infrarrojas y de Fotoluminiscencia, Donde Ya Hemos Visto Resultados Prometedores «, Concluyón Wright. «Esperamos que Nuestra Metodología General de Aprendizaje Autico Permita Avances Significaciones en el Monitoreeo y El Análisis de Los Módulos Solares, Con un impacto positivo y práctico en la industria».

La Nueva Técnica se presente en «Metodología de Denoising Robusta Para Imagenes de Electroluminiscencia Exterior de Módulos Fotovoltaicos utilizando Aprendizaje Profundo«, Publicado en Materiales de Energía Solar y Células Solares. CientÍFOS DEL Universidad de Nueva Gales del Sur en Australia y el Universidad Técnica de Dinamarca Colaborado en el Estudio.