論文の概要: A Fault Detection Scheme Utilizing Convolutional Neural Network for PV
Solar Panels with High Accuracy
- arxiv url: http://arxiv.org/abs/2210.09226v1
- Date: Fri, 14 Oct 2022 14:19:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 18:08:53.121058
- Title: A Fault Detection Scheme Utilizing Convolutional Neural Network for PV
Solar Panels with High Accuracy
- Title(参考訳): 高精度PVソーラーパネルの畳み込みニューラルネットワークを用いた故障検出方式
- Authors: Mary Pa, Amin Kazemi
- Abstract要約: 本稿では,畳み込みニューラルネットワークを用いた故障検出手法を提案する。
バイナリ分類では、PVセルの入力画像を2つのカテゴリに分類する。
提案したCNNモデルの成功率は、バイナリ分類では91.1%、マルチ分類では88.6%である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Solar energy is one of the most dependable renewable energy technologies, as
it is feasible almost everywhere globally. However, improving the efficiency of
a solar PV system remains a significant challenge. To enhance the robustness of
the solar system, this paper proposes a trained convolutional neural network
(CNN) based fault detection scheme to divide the images of photovoltaic
modules. For binary classification, the algorithm classifies the input images
of PV cells into two categories (i.e. faulty or normal). To further assess the
network's capability, the defective PV cells are organized into shadowy,
cracked, or dusty cells, and the model is utilized for multiple
classifications. The success rate for the proposed CNN model is 91.1% for
binary classification and 88.6% for multi-classification. Thus, the proposed
trained CNN model remarkably outperforms the CNN model presented in a previous
study which used the same datasets. The proposed CNN-based fault detection
model is straightforward, simple and effective and could be applied in the
fault detection of solar panel.
- Abstract(参考訳): 太陽エネルギーは再生可能エネルギー技術の1つであり、ほぼ世界中で実現可能である。
しかし、太陽光発電システムの効率向上は依然として大きな課題である。
本稿では、太陽系のロバスト性を高めるために、太陽電池モジュールの画像を分割する訓練された畳み込みニューラルネットワーク(cnn)に基づく故障検出手法を提案する。
バイナリ分類では、PVセルの入力画像を2つのカテゴリ(欠陥または正常)に分類する。
さらにネットワークの能力を評価するために、欠陥のあるPV細胞はシャドー、クラック、ダストのような細胞に組織化され、モデルは複数の分類に利用される。
提案したCNNモデルの成功率は、バイナリ分類では91.1%、マルチ分類では88.6%である。
そこで,提案する訓練済みcnnモデルは,同じデータセットを用いた先行研究で提示されたcnnモデルを著しく上回っている。
提案するcnnに基づく故障検出モデルは, 単純かつ効果的であり, 太陽電池パネルの故障検出に適用可能である。
関連論文リスト
- AI-Powered Dynamic Fault Detection and Performance Assessment in Photovoltaic Systems [44.99833362998488]
太陽光発電(PV)の断続的な性質により、電力損失は10-70%、エネルギー生産量は25%減少する。
現在の故障検出戦略はコストが高く、複雑なデータ信号プロファイルのために信頼性の低い結果が得られることが多い。
本研究では,PythonのPVlibライブラリを用いた動的損失量子化アルゴリズムを取り入れた計算モデルを提案する。
論文 参考訳(メタデータ) (2024-08-19T23:52:06Z) - A Comprehensive Case Study on the Performance of Machine Learning Methods on the Classification of Solar Panel Electroluminescence Images [0.5033467447713051]
磁場中の太陽電池は様々な欠陥に弱い。
エレクトロルミネッセンス(EL)イメージングは、これらの欠陥を検出するために効果的で非破壊的な診断を提供する。
複数の従来の機械学習モデルと最新のディープラーニングモデルを用いて、EL太陽電池の画像を異なる機能/欠陥カテゴリに分類する。
論文 参考訳(メタデータ) (2024-08-12T15:29:32Z) - Affine-Consistent Transformer for Multi-Class Cell Nuclei Detection [76.11864242047074]
本稿では, 原子核位置を直接生成する新しいアフィン一貫性変換器 (AC-Former) を提案する。
本稿では,AAT (Adaptive Affine Transformer) モジュールを導入し,ローカルネットワークトレーニングのためのオリジナル画像をワープするための重要な空間変換を自動学習する。
実験結果から,提案手法は様々なベンチマークにおいて既存の最先端アルゴリズムを著しく上回ることがわかった。
論文 参考訳(メタデータ) (2023-10-22T02:27:02Z) - Unveiling the Invisible: Enhanced Detection and Analysis of Deteriorated
Areas in Solar PV Modules Using Unsupervised Sensing Algorithms and 3D
Augmented Reality [1.0310343700363547]
本稿では,太陽光発電モジュールのホットスポットやスネールトレイルなどの異常を自動的に同定し,解析する基盤となる手法を提案する。
従来の診断法と修復法を変換することにより,効率を高めるだけでなく,PVシステムのメンテナンスコストを大幅に削減する。
我々の目指すのは、リアルタイムで自動ソーラーパネル検出にドローン技術を活用することで、PVのメンテナンスの有効性を大幅に向上させることです。
論文 参考訳(メタデータ) (2023-07-11T09:27:00Z) - A Comparative Study on Generative Models for High Resolution Solar
Observation Imaging [59.372588316558826]
本研究は、観測された太陽活動状態の背後にあるデータ分布を正確に捉えるために、現在の最先端生成モデルの能力について検討する。
スーパーコンピュータ上での分散トレーニングを用いて、人間の専門家が区別できない高品質なサンプルを生成する、最大1024x1024解像度の生成モデルを訓練することができる。
論文 参考訳(メタデータ) (2023-04-14T14:40:32Z) - A lightweight network for photovoltaic cell defect detection in
electroluminescence images based on neural architecture search and knowledge
distillation [9.784061533539822]
畳み込みニューラルネットワーク(CNN)は、PV細胞の既存の自動欠陥検出に広く用いられている。
本稿では,ニューラルアーキテクチャ探索と知識蒸留に基づくPVセルの自動欠陥検出のための軽量高性能モデルを提案する。
提案した軽量高性能モデルは、実際の産業プロジェクトのエンドデバイスに容易に展開でき、精度を維持できる。
論文 参考訳(メタデータ) (2023-02-15T04:00:35Z) - Anomaly segmentation model for defects detection in electroluminescence
images of heterojunction solar cells [0.0]
本稿では, 太陽電池の品質評価と異常検出のために, 蛍光画像の分類とセマンティックセグメンテーションを行うためのディープラーニングベース自動検出モデルSeMaCNNを提案する。
モデルのコアはマハラノビス距離に基づく異常検出アルゴリズムであり、関連する欠陥のある少数のデジタルエレクトロルミネッセンス画像との不均衡なデータに基づいて、半教師付きで訓練することができる。
本モデルの精度は92.5%,F1スコア95.8%,リコール94.8%,精度96.9%で,手動で注釈付き画像1049枚からなる。
論文 参考訳(メタデータ) (2022-08-11T18:02:36Z) - CellDefectNet: A Machine-designed Attention Condenser Network for
Electroluminescence-based Photovoltaic Cell Defect Inspection [67.99623869339919]
太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査員が手動で行っていることである。
本研究では,機械駆動設計探索により設計した高効率アテンションコンデンサネットワークであるCellDefectNetを紹介する。
発光画像を用いた太陽電池セルの多様性を示すベンチマークデータセット上で,セルデフェクトネットの有効性を実証した。
論文 参考訳(メタデータ) (2022-04-25T16:35:19Z) - A Multi-Stage model based on YOLOv3 for defect detection in PV panels
based on IR and Visible Imaging by Unmanned Aerial Vehicle [65.99880594435643]
本研究では,無人航空機が捉えた空中画像のパネル欠陥を検出するための新しいモデルを提案する。
このモデルは、パネルと欠陥の検出を組み合わせることで、精度を向上する。
提案モデルはイタリア南部の2つの大きなPVプラントで検証されている。
論文 参考訳(メタデータ) (2021-11-23T08:04:32Z) - Wide & Deep neural network model for patch aggregation in CNN-based
prostate cancer detection systems [51.19354417900591]
前立腺癌(PCa)は、2020年に約141万件の新規感染者と約37万5000人の死者を出した男性の死因の1つである。
自動診断を行うには、まず前立腺組織サンプルをギガピクセル分解能全スライド画像にデジタイズする。
パッチと呼ばれる小さなサブイメージが抽出され、予測され、パッチレベルの分類が得られる。
論文 参考訳(メタデータ) (2021-05-20T18:13:58Z) - Short term solar energy prediction by machine learning algorithms [0.47791962198275073]
機械学習技術の強みを利用した日次太陽エネルギー予測について報告する。
線形, 尾根, ラッソ, 決定木, ランダム森林, 人工ニューラルネットワークなどのベースライン回帰器の予測モデルを実装した。
改良された精度は,2つのグリッドサイズでランダム森林と尾根回帰器によって達成されている。
論文 参考訳(メタデータ) (2020-10-25T17:56:03Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。