Navrhovaný přístup, který vyvinuli vědci v Číně, využívá matematické morfologie pro zpracování obrazu. Jako je např. vylepšení obrazu, doostření, filtrování a operace zavírání. K nalezení znečištěného místa kromě jiných metod využívá také ekvalizaci histogramu obrazu

Navrhovaný přístup, který vyvinuli vědci v Číně, využívá matematické morfologie pro zpracování obrazu. Jako je např. vylepšení obrazu, doostření, filtrování a operace zavírání. K nalezení znečištěného místa kromě jiných metod využívá také ekvalizaci histogramu obrazu a detekci hran.

Výzkumná skupina z Číny vyvinula novou metodu detekce nečistot pro FVE. Ta využívá řadu technik zpracování obrazu, stejně jako bezpilotní letadla (UAV) s kamerami létajícími nad rostlinami a vylepšeným algoritmem umělé inteligence (AI) pro optimalizaci cesty.

,,Ve srovnání s jinými tradičními metodami má navrhovaná metoda nižší výpočetní složitost i vyšší provozní rychlost. Dále taky slabý vliv světla a silnou schopnost lokalizovat nečistoty," uvedla výzkumná skupina. „Vylepšený algoritmus plánování trasy použitý v této studii výrazně zlepšuje efektivitu inspekce UAV, šetří čas a zdroje a snižuje náklady na provoz a údržbu. Dále taky zlepšuje odpovídající úroveň provozu a údržby výroby fotovoltaické energie.“

Nový přístup využívá matematické morfologie pro zpracování obrazu, jako je vylepšení obrazu, doostření, filtrování a operace zavírání. K nalezení zaprášeného místa kromě jiných metod využívá také ekvalizaci histogramu obrazu a detekci hran. Pro optimalizaci cesty používá vylepšenou verzi algoritmu A* (A-star).

„V tradičním statickém prostředí dokáže algoritmus A* efektivně najít optimální vzdálenost plánování cesty mezi dvěma body. Při aplikaci inspekce fotovoltaických elektráren však nemůže tradiční algoritmus A* vzhledem ke složitosti scény vykazovat nejlepší výkon,“ vysvětlila skupina. ,,Tato studie optimalizuje algoritmus ze dvou hledisek. A to plánování vyhledávacího prostoru a optimalizace heuristické funkce."

Metoda detekce má nižší výpočetní složitost, vyšší provozní rychlost a silnou schopnost lokalizovat nečistoty

Po vyvinutí metody ji skupina testovala proti referenčním metodám v prostředí Matlab 2022b s použitím DJI Matrice 300 RTK UAV a kamery Zenmuse X5S. Pro schopnosti rozpoznávání prachu nová metoda experimentovala s analýzou spektra odrazivosti, analýzou elektrochemické impedanční spektroskopie a infračerveným termálním zobrazováním.

,,Ve srovnání se dvěma metodami, analýzou spektra odrazivosti a infračerveným termálním zobrazováním, má metoda použitá v této studii nejnižší výpočetní složitost a nejkratší dobu běhu. Zatímco ostatní dvě metody spotřebují více času a nevyužívají analýzu v reálném čase," uvedli výzkumníci. ,,Navíc ve srovnání s jinými metodami je metoda použitá v této studii nejslabší ovlivněná světlem. A zároveň má nejsilnější schopnost polohování nečistot."

Nový přístup byl testován proti klasickému, nevylepšenému A* algoritmu pro optimalizaci cesty. „V různých experimentálních scénářích trvá vylepšenému algoritmu A* kratší doba pro kontrolu UAV. Což šetří čas boje a vzdálenost boje a výrazně zlepšuje účinnost čištění skvrn na solárních panelech,“ ukazuje analýza.

Výzkum se prezentoval v „Výzkum metod detekce povrchových nečistot fotovoltaických článků založených na technologii zpracování obrazu“, publikované ve Scientific Reports. Skupinu vytvořili vědci z čínského Hangzhou Electric Power Design Institute, Hangzhou Power Equipment Manufacturing a Northeast Electric Power University.

Zdroj: pv-magazine, TowPoint