Çin Tarim Üniversitesi’ndeki bilim insanları, fotovoltaik panel temizleme robotları için poz tanıma gibi zorlu bir sorunu çözmenin bir yolunu önerdiler. Güneş paneli temizlik robotları için yenilikçi çözümleri, nesne algılama ve bilgisayarlı görme görevleri için You Only Look Once (YOLOv8) modelinin düşük güçlü bir versiyonuna dayanmaktadır. YOLO’nun diğer versiyonları, arıza tespiti ve panel denetimi gibi güneş enerjisi uygulamaları için araştırılmıştır.
Güneş paneli temizlik robotları
Araştırmacılara göre, PV temizleme robotlarının etkili kullanımı, hassas nesne algılama ve pozisyon tanımanın yanı sıra düşük güç tüketimi de gerektiriyor. Güneş paneli temizlik robotları bu bağlamda önemli avantaj sağlar, ancak ele alınması gereken makine görüşü zorlukları da mevcut: panellerin farklı eğim açıları ve yönelimleri var, ortam ışığı, toz ve kirden kaynaklanan görüntüleme parazitleri ve diğer panellerin neden olduğu kısmi tıkanıklıklar mevcut.
Ekip, You Only Look Once (YOLO) sürüm 8 nano (YOLOv8n) nesne algılama algoritmasına dayalı hafif bir panel poz tanıma modeli önerdi. Bu sürümün, düşük güç tüketen donanımların kullanımını mümkün kılmak için verimliliği ve gerçek zamanlı işlemeyi önceliklendirdiği için YOLOv8 makine görüşü ve nesne algılama ailesindeki “en hafif varyantı” temsil ettiğini belirtti.
Çalışma, Journal of Real-Time Image Processing dergisinde yayınlanan “ YOLOv8n‑PP: fotovoltaik dizi temizleme robotu için hafif bir poz tanıma algoritması” adlı makalede ayrıntılı olarak anlatılmaktadır. Güneş paneli temizlik robotları araştırması, yöntemlerinin çeşitli ortamlar için “güçlü genelleme performansı” gösterdiğinden emin olmak için fotovoltaik panel pozları için “çeşitli ve kapsamlı bir veri seti” kullandılar. P-Pose adlı veri seti, Çin’in Alar Şehri’ndeki Jingke Technology’nin fotovoltaik santralinden toplanan PV poz görüntülerinden oluşuyordu.
YOLOv8n’i Mobile-ViT makine görüş teknolojisiyle entegre ederek YOLOv8n-Fotovoltaik-Poz (YOLOv8n-PP) geliştirdiler. Güneş paneli temizlik robotları için bu entegre teknoloji büyük bir adım olarak değerlendirilebilir. Bilim insanları, Mobile-ViT’nin mobil uygulamalar için öz-dikkat tabanlı görüş dönüştürücüsünün (ViT) daha hafif bir versiyonu olduğunu belirtti. ViT’nin, daha hızlı çıkarım hızı elde etmek için evrişimli sinir ağlarına dayalı bir dönüştürücüye alternatif olarak geliştirildiği bildirildi.
Araştırmacılar: “Bu entegrasyon, robotun mobil bakış açısından farklı hedef pozisyonlarının etkilerini azaltmaya yardımcı oluyor” dedi. Ayrıca, MPDIoU kaybı olarak bilinen PV panel tanıma hassasiyetini ve doğruluğunu artırmak için sınırlayıcı kutu regresyonu kullandılar.
