Modelo Computacional Para Discriminação de Células Fotovoltaicas Defeituosas Em Imagens Eletroluminescentes

EasyChair Preprint no. 11289

Abstract

A geração de energia fotovoltaica tem crescido mundialmente por ser uma energia limpa e de custo acessível. O componente mais vulnerável dos sistemas de geração fotovoltaicos é a célula fotovoltaica (FV), que opera exposta a condições ambientais adversas, como vento, chuva, salinidade e poeira. Portanto, existe demandas de tecnologias que contribuam para melhorar a eficiência e a confiabilidade dos sistemas de geração fotovoltaicos através da automação dos processos de inspeção e detecção de defeitos em células FVs. Assim, propomos um modelo para discriminar células FVs de silício monocristalino defeituosas, em imagens eletroluminescentes, a partir de atributos de textura e uma rede neural convolucional customizada. Avaliamos o desempenho desse modelo, por validação cruzada, com imagens de uma base amplamente utilizada, obtendo resultados competitivos comparado aos encontrados na literatura.

Keyphrases: Convolutional Neural Network, fault detection, Local Binary Pattern, Photovoltaic cell

@Booklet{EasyChair:11289,
  author = {Alan M. da Rocha and Marcelo M. S. de Souza and Francilândio L. Serafim and Carlos A. R. Fernandes and Ícaro B. Viana},
  title = {Modelo Computacional Para Discriminação de Células Fotovoltaicas Defeituosas Em Imagens Eletroluminescentes},
  howpublished = {EasyChair Preprint no. 11289},

  year = {EasyChair, 2023}}