使用HALCON软件对太阳能清洁机器人的太阳能光伏模块进行基于深度学习的识别和分类
Shoaib Ahmed1, Haroon Rashid2, Zakria Qadir3
1Department of Electrical and Electronic Engineering, Faculty of Engineering, University of Ryukyus, 1 Subaru, Nishihara 903-0213, Nakagami, Okinawa, Japan.
Sensors (Basel, Switzerland)
|March 17, 2025
概括
这项研究引入了一种深度学习系统,用于识别脏的太阳能电池板,提高清洁机器人的效率. 先进的图像识别准确地分类污染,优化太阳能输出和维护.
科学领域:
- 可再生能源系统可再生能源系统
- 在工程领域的人工智能.
- 计算机视觉用于机器人技术
背景情况:
- 全球太阳能光伏 (PV) 产能正在迅速扩大.
- 面板污染显著降低了光伏系统的效率和能量输出.
- 需要自动化清洗策略来保持最佳性能.
研究的目的:
- 开发基于深度学习的系统,用于识别和分类污染的光伏图像.
- 为了提高太阳能清洁机器人的功能,使用HALCON软件框架.
- 为了实现智能视觉分析,以优化光伏维护.
主要方法:
- 使用了极端学习人工神经网络 (EANN) 和卷积神经网络 (CNN) 架构.
- 在HALCON框架内采用先进的图像处理技术,用于图像采集,预处理和细分.
- 集成训练深度学习模型用于机器人控制和污染模式分类.
主要成果:
- 在检测和分类污染模式方面取得了高精度:EANN达到99.87%和CNN达到99.91%.
- 证明了系统在精确的污染识别和分类方面的有效性.
- 验证了改进自动化清洁策略和减少不必要的清洁周期的潜力.
结论:
- 深度学习方法显著提高了污染光伏图像分类的准确性.
- 哈尔康框架有效地支持用于机器人太阳能电池板清洁的智能视觉分析的部署.
- 智能视觉分析对于优化维护和最大限度地提高太阳能应用的性能至关重要.
