Key points are not available for this paper at this time.
تحديد وتصنيف التلوث باستخدام الذكاء الاصطناعي أمر ضروري لتحسين كفاءة أنظمة الطاقة الشمسية الكهروضوئية (PV). من الممكن استخدام تقنيات تنظيف مركزة وفعالة على الألواح الشمسية من خلال تصنيف وفهم الأنواع المحددة من الملوثات. تقترح هذه الدراسة نهجًا معدلاً لشبكة عصبية تلافيفية (CNN) لتصنيف التلوث على الألواح الشمسية الكهروضوئية بشكل فعال. بالمقارنة مع الطريقة التقليدية، تم إنشاء نموذج CNN المقترح باستخدام صور بسيطة بدلاً من الصور بالإضافة إلى بيانات سلسلة زمنية. ونتيجة لذلك، تم زيادة سرعة المعالجة. بالإضافة إلى ذلك، حقق النموذج المقترح دقة بنسبة 96.91 في المئة. يثبت هذا النجاح أن منهجيتنا المقترحة تعتبر تطوراً رائداً في اكتشاف نوع التلوث، حيث توفر دقة محسنة واستراتيجية فريدة بالمقارنة مع الأساليب الحالية. تم نشر النموذج المدرب والمختبر على الويب باستخدام Flask. Flask هو إطار عمل قوي ومرن لتطبيقات الويب الصغيرة بلغة بايثون. أخيرًا، تم إجراء مقارنة بين الطريقة الحالية والطريقة المقترحة.
دراسة تشاكي وآخرون. (الثلاثاء) هذا السؤال.