Detecção precoce de pontos quentes em módulos fotovoltaicos usando descritores de imagem colorida: Um estudo de termografia infravermelha

Este artigo propõe uma nova estrutura para a detecção precoce de pontos quentes nos painéis fotovoltaicos (PV) utilizando descritores de imagem colorida e um algoritmo de aprendizado de máquina. Na abordagem proposta, as imagens termográficas adquiridas dos painéis PV são divididas em regiões não sobrepostas e, em seguida, descritores de imagem colorida são computados para as regiões. Os descritores de cor são então usados como características para treinar diferentes algoritmos de aprendizado de máquina para classificar os painéis PV em três classes (ou seja, normal, ponto quente e defeituoso). Após testes extensivos e análise abrangente, os resultados experimentais mostram que o descritor Red-Green Scale-Invariant Feature Transform (rgSIFT) com k-Nearest Neighbor (k-NN) supera todos os outros descritores de imagem e combinações de aprendizado de máquina com uma taxa de precisão de 98,7%. Os resultados experimentais também mostram os efeitos do tamanho das regiões não sobrepostas na precisão da classificação. Observou-se que a precisão da classificação diminui à medida que o tamanho é aumentado ou diminuído em torno do tamanho ideal da imagem da região não sobreposta de 71 × 71 pixels. O método proposto desempenha um papel significativo em cidades livres de carbono e pode ser facilmente implementado para inspecionar o sistema PV.