Μια ερευνητική ομάδα από το Πανεπιστήμιο Ταρίμ της Κίνας ανέπτυξε έναν καινοτόμο αλγόριθμο μηχανικής όρασης που υπόσχεται να κάνει τους ρομποτικούς καθαριστές φωτοβολταϊκών πιο ακριβείς και ενεργειακά αποδοτικούς. Η τεχνολογία, που παρουσιάστηκε πρόσφατα στο επιστημονικό περιοδικό Journal of Real-Time Image Processing, στηρίζεται σε μια ελαφριά εκδοχή του γνωστού συστήματος εντοπισμού αντικειμένων ”YOLOv8”, σύμφωνα με το περιοδικό pv.
Η χρήση ρομπότ για τον καθαρισμό φωτοβολταϊκών είναι κρίσιμη σε μεγάλες εγκαταστάσεις, όπου η σκόνη και η βρωμιά μειώνουν σημαντικά την απόδοση. Ωστόσο, για να λειτουργήσουν αποτελεσματικά, τα ρομπότ αυτά χρειάζονται υψηλή ακρίβεια στην αναγνώριση της θέσης και της κλίσης των πάνελ. Το έργο δυσκολεύουν οι διαφορετικές γωνίες τοποθέτησης, το έντονο φως, η σκόνη και τα εμπόδια από γειτονικά πάνελ.
Οι Κινέζοι ερευνητές πρότειναν μια λύση βασισμένη στο YOLOv8n, την πιο «ελαφριά» εκδοχή της οικογένειας YOLO, σχεδιασμένη για χαμηλή κατανάλωση ισχύος και πραγματικό χρόνο επεξεργασίας. Το μοντέλο εμπλουτίστηκε με την τεχνολογία Mobile-ViT, μια πιο ευέλικτη παραλλαγή του Vision Transformer που έχει αναπτυχθεί ειδικά για φορητές εφαρμογές, και με τον μηχανισμό MPDIoU, που βελτιώνει την ακρίβεια στον εντοπισμό των πάνελ. Το αποτέλεσμα ήταν ο νέος αλγόριθμος YOLOv8n-Photovoltaic-Pose (YOLOv8n-PP), γράφει το περιοδικό pv.
Για την εκπαίδευση του συστήματος δημιουργήθηκε μια εκτεταμένη βάση δεδομένων εικόνων πάνελ από φωτοβολταϊκό πάρκο της Jingke Technology στην πόλη Alar. Η βάση αυτή κάλυψε ποικιλία συνθηκών και κλίσεων, ώστε το μοντέλο να αποκτήσει «γενικευμένες» ικανότητες και να αποδίδει καλά σε διαφορετικά περιβάλλοντα. Οι δοκιμές έγιναν σε υπολογιστή με κάρτα γραφικών NVIDIA RTX 3060Ti και έδειξαν σημαντικές βελτιώσεις: το νέο μοντέλο πέτυχε 3,45% υψηλότερη ακρίβεια και 5,78% καλύτερη ανάκληση (recall) σε σχέση με το βασικό YOLOv8n.
Οι ερευνητές σημειώνουν ότι το YOLOv8n-PP όχι μόνο αυξάνει την ακρίβεια αναγνώρισης αλλά και τη σταθερότητα, παρέχοντας μια ρεαλιστική λύση για την ανάπτυξη αποδοτικών καθαριστικών ρομπότ. Παρά τα ενθαρρυντικά αποτελέσματα, παραμένουν προκλήσεις, όπως η αναγνώριση πάνελ σε συνθήκες ακραίας αντανάκλασης ή σε περιπτώσεις που μέρος τους κρύβεται από άλλα αντικείμενα.
Επόμενο βήμα της ομάδας είναι η δοκιμή του αλγορίθμου σε πραγματικά ρομπότ καθαρισμού, σε συνθήκες πεδίου, καθώς και η ενσωμάτωση νέων αισθητήρων – για παράδειγμα υπέρυθρης απεικόνισης – ώστε να ενισχυθεί ακόμη περισσότερο η απόδοση. Αν οι δοκιμές επιβεβαιώσουν τα σημερινά ευρήματα, η τεχνολογία αυτή θα μπορούσε να συμβάλει ουσιαστικά στη μείωση κόστους συντήρησης φωτοβολταϊκών πάρκων και στην αύξηση της ενεργειακής τους αποδοτικότητας.
Διαβάστε ακόμη
