एआई-आधारित पीवी पैनलों का निरीक्षण उन्नत YOLO एल्गोरिदम का उपयोग करते हुए

संक्षेप. सौर फोटोवोल्टिक (पीवी) सिस्टम के ग्रीन ऊर्जा स्रोतों के रूप में तेजी से विकास ने हाल के वर्षों में जोर पकड़ा है। हालाँकि, पीवी पैनल दोषों के असामान्यताएँ इसकी दक्षता को कम कर सकती हैं और संयंत्र से ऊर्जा संग्रहण को न्यूनतम कर सकती हैं। संयंत्र में पीवी पैनल दोषों का मैनुअल निरीक्षण महंगा और समय-ग्रहण करने वाला होता है। इसलिए, सौर पैनल दोषों का निरीक्षण करने के लिए अधिक बुद्धिमान तरीकों को लागू करना पारंपरिक तरीकों की तुलना में अधिक लाभ देगा। यह अध्ययन एक गहन शिक्षण मॉडल के कार्यान्वयन को प्रस्तुत करता है जो एक उन्नत ऑब्जेक्ट डिटेक्शन एल्गोरिदम You Look Only Once, संस्करण 7 (YOLOv7) का उपयोग करके सौर पैनल दोषों का पता लगाने के लिए है। YOLO वर्गीकरण और स्थानीयकरण के लिए कंप्यूटर दृष्टि में एक लोकप्रिय एल्गोरिदम है। इस अध्ययन में उपयोग किए गए डेटासेट को ROBOFLOW से प्राप्त किया गया, जिसमें 1660 इन्फ्रारेड छवियाँ शामिल हैं जो पीवी पैनलों में थर्मल दोषों को दर्शाती हैं। मॉडल को भिन्नता के साथ छवियों की एक विस्तृत श्रृंखला की पहचान करने के लिए बनाया गया, पूर्वश्रीलिखित डेटासेट का लाभ उठाते हुए। सत्यापन के बाद, मॉडल 85.9% का औसत सटीकता (mAP) दिखाता है। इस सटीकता के साथ, मॉडल वास्तविक विश्व अनुप्रयोगों के लिए प्रासंगिक है। इस कथन की पुष्टि एक अलग वीडियो-कैप्चरिंग पीवी पैनल से अतिरिक्त डेटा के साथ मॉडल का परीक्षण करके की गई है। वीडियो एक थर्मल कैमरे से सुसज्जित ड्रोन का उपयोग करके रिकॉर्ड किया गया था।