Исследования
AI‑дрон быстро находит дефекты солнечных панелей
AI‑дрон быстро обнаруживает проблемы солнечных панелей за секунды
Новый автономный дрон‑платформа способна находить горячие точки, пыль, песок и птичьи помёт на фотоэлектрических (PV) массивах с точностью более 90 %, сокращая время инспекции с часов до минут. Система сочетает радиометрическую тепловую камеру FLIR Boson 640 и мультиспектральный сенсор MicaSense Altum, а затем обрабатывает изображения нейронной сетью EfficientNet‑B0, получившей макро‑F1 = 0.904 в лабораторных тестах PV Magazine.
Как дрон и ИИ работают вместе
Гексакоптер летит на высоте 18‑30 м над панелями, обеспечивая пространственное разрешение 2.5‑4 см пиксель⁻¹ — достаточно, чтобы различать отдельные ячейки. Тепловые кадры рассматриваются как визуальные паттерны, а ИИ сравнивает каждый кадр с соседними, подтверждая аномалию с разных углов. После отбрасывания размытых и переэкспонированных снимков, система сегментирует каждый модуль, обрезает его и подаёт в CNN. Было протестировано четыре архитектуры — EfficientNet‑B0, ResNet‑18, MobileNetV3‑Small и RegNet‑Y16GF — победителем стала EfficientNet‑B0.
Важные показатели эффективности
- Обнаружение горячих точек: precision = 1.000, recall = 1.000, F1 = 1.000.
- Обнаружение пыли (самый сложный класс): precision = 0.711, recall = 0.751, F1 = 0.732.
- Общий взвешенный F1: 0.927, что означает сбалансированную точность по всем типам дефектов. Эти цифры получены из набора из 1 950 собственных снимков полётов, 190 изображений из Kaggle и 260 лабораторно‑контролируемых загрязнений Набор данных Kaggle Solar Panel Images.
Почему дроны лучше ручных проверок
Человек‑инспектор вынужден подниматься по лестницам, ходить по рядам и часто пропускает тонкие тепловые сигналы. Автономный дрон покрывает типичную жилую систему за один 25‑минутный полёт, автоматически захватывая тысячи перекрывающихся изображений. Анализ нескольких кадров устраняет ложные тревоги, вызванные тенями или отражениями, с которыми трудно справиться традиционной термографией. Модульный дизайн позволяет в дальнейшем масштабировать систему до координированных многодроновых флотилий, повышая пропускную способность.
Что это значит для Израиля
Типичная 10 kWp домашняя солнечная система в центральном Израиле генерирует около 17 000 kWh в год, что оценивается примерно в ₪8 000 при тарифе ₪0.48 /kWh. Своевременное выявление дефектов, таких как горячие точки, помогает поддерживать эту выработку, внося вклад в общую эффективность национального солнечного парка и поддерживая цель Израиля — 30 % электроэнергии из возобновляемых источников к 2030 году.
Перспективы и дальнейшие шаги
Исследовательская команда планирует открыть набор данных и скрипты обучения, приглашая другие лаборатории улучшать обнаружение пыли — текущего слабого места. В планах также добавить LiDAR для точного 3‑D картографирования и внедрить edge‑computing, чтобы дрон мог помечать дефекты в реальном времени, ещё больше сокращая время пост‑обработки. По мере того как израильские коммунальные службы и владельцы крыш ищут экономически эффективные инструменты О&M, инспекции с помощью ИИ‑дронов становятся стандартной частью арсенала солнечной энергетики.
Источники: PV Magazine, Набор данных Kaggle Solar Panel Images, Rzeszow University of Technology, Valencia Polytechnic University
Частые вопросы
Как быстро дрон может инспектировать типичную крышу с солнечной системой?
Гексакоптер сканирует 10 kW жилую систему за один автономный 25‑минутный полёт, захватывая тысячи перекрывающихся изображений.
Какие типы дефектов способен обнаружить ИИ?
Он надёжно выявляет горячие точки, песок, птичьи помёт и, с меньшей точностью, скопление пыли на модулях.
Почему обнаружение пыли сложнее для модели?
Пыль создаёт тонкие изменения текстуры, менее заметные, чем температурные всплески, что приводит к F1 = 0.732.
Можно ли использовать систему на крупных солнечных фермах?
Да — модульный дизайн поддерживает координацию нескольких БПЛА, позволяя мониторить промышленные установки с высокой пропускной способностью.
Готова ли технология к коммерческому использованию в Израиле?
Команда уже опубликовала набор данных и код, а экономический расчёт показывает окупаемость менее чем за два осмотра типичного израильского дома.
Какие улучшения планируются в будущем?
В планах добавить edge‑computing для отметки дефектов в реальном времени и интеграцию LiDAR для точного 3‑D картографирования панелей.
Поделиться статьёй
Ещё в категории Исследования
6
Эффективность солнечных панелей: рекорд 27,35%
Китайские исследователи из Нанкинского университета установили новый мировой рекорд эффективности 27,35 % для перовскито‑органической солнечной ячейки‑тандем, сохранив 80 % её мощности после 744 часов непрерывного освещения.
Рекордные 34 % эффективности солнечных панелей
Longi и Университет Сучжоу продемонстрировали перовскит‑кремниевый тандемный солнечный элемент с сертифицированной эффективностью 34,0 % и напряжением 2,014 В, сохранив 84 % производительности после 2 000 часов.
AI предскажет ветровую устойчивость свай
Иранская команда создала AI‑модель, предсказывающую ветровую устойчивость свай солнечных ферм с ошибкой около 7,6 %, используя лишь четыре простых измерения.
Задержка инвертора снижает выработку на 1,9%
Бразильские исследователи обнаружили, что задержка запуска инвертора сокращает годовую выработку крупной солнечной фермы на 1,88 %, при этом более половины потери происходит в первые 90 минут после восхода.
Перовскит‑ячейки 27 %: прорыв в солнечной энергии
Китайские исследователи повысили эффективность перовскит‑ячейки до 27,39 % с новым адитивом, а бифацальные модули сохраняют 99,6 % мощности после 5 000 ч, обещая больше электроэнергии и быстрее окупаемость для израильских домов.
Солнечные панели с 23,5% без стабилизаторов – прорыв
Исследователи создали метод роста перовскитных солнечных ячеек без стабилизаторов, достигнув 23,51 % эффективности и 99 % стабильности после 3000 часов.