شناسایی خودکار خطاهای پنل های خورشیدی با تجمیع شبکه های EfficientNet‑B۲ و DenseNet‑۲۰۱

در سال های اخیر با گسترش نیروگاه های خورشیدی، راهکارهای نوین برای پایش و نگهداری آن ها مورد نیاز است. پایش دستی پنل های خورشیدی در نیروگاه های با مقیاس وسیع دشوار است. بنابراین شناسایی خودکار خطاها در این نیروگاه ها از اهمیت بالایی برخوردار است. در این مطالعه، روش جدیدی برای تشخیص خودکار انواع خطاهای پنل های خورشیدی با استفاده از مجموعه تصاویر هوایی و شبکه های یادگیری عمیق ارائه شده است. ابتدا با روش های داده افزایی، مجموعه داده آموزش متوازن شد و سپس دو شبکه یادگیری عمیق EfficientNet-B۲ و DenseNet-۲۰۱ به صورت جداگانه آموزش داده شدند. پس از اتمام آموزش، با استفاده از روش رای گیری نرم احتمال های خروجی این دو شبکه با یکدیگر تجمیع می شود. نتایج نشان می دهد که روش پیشنهادی توانسته است دقت ۸۴.۹۰% را در مجموعه داده آزمون به دست آورد که نسبت به مطالعات پیشین بهبود قابل توجهی داشته است. این رویکرد می تواند منجر به کاهش هزینه های نگهداری، افزایش قابلیت اطمینان و بهبود کارایی سامانه های فتوولتائیک موجود در نیروگاه های خورشیدی شود.

کلیدواژه ها:

یادگیری عمیق ، EfficientNet‑B۲ ، DenseNet‑۲۰۱ ، رای گیری نرم ، شناسایی خطا در پنل خورشیدی