GÜNEŞ PANELLERİNİN DÖRT ROTORLU İHA KULLANILARAK TERMOGRAFİ YÖNTEMİYLE DERİN ÖĞRENME TABANLI HATA TESPİT VE TEŞHİSİ

Abstract

ÖZET

Bu tez çalışmasında, güneş panellerinden elde edilen termal görüntüler kullanılarak panellerde oluşan hücre, modül ve panel hatalarının tespit edilmesi ele alınmıştır. Tez çalışması kapsamında dört rotorlu bir insansız hava aracı tasarlanmış ve araca termal kamera yerleştirilerek Karabük Üniversitesi Teknoloji Fakültesi binası üzerinde bulunan güneş panellerinin termal görüntüleri alınmıştır. Elde edilen termal görüntüler kullanılarak hücre hatası, modül hatası ve panel hatalarının olduğu bir termal veri seti oluşturulmuştur. Termal veri seti ile Yolov3 derin öğrenme tabanlı evrişimsel sinir ağı eğitilmiştir. Bu eğitim, gömülü yapay zeka özellikli bir bilgi işlem cihazı olan Nvidia Jetson TX2 cihazında gerçekleştirilmiştir. Yolov3 ağının eğitiminin tamamlanmasının ardından yapılan testlerde bahsedilen hataların başarıyla tespit edildiği sonucuna ulaşılmıştır.

ABSTRACT

In this thesis, it is discussed to detect cell, module and panel errors in panels using thermal images obtained from solar panels. Within the scope of the thesis study, a four-rotor unmanned aerial vehicle was designed and a thermal camera was placed in the vehicle and thermal images of the solar panels on the Technology Faculty of Karabük University were taken. A thermal data set with cell error, module error and panel errors was created using the resulting thermal images. Yolov3 deep learning based convolutional neural network was trained with the thermal data set. This training was carried out on the Nvidia Jetson TX2 device, an embedded AI-enabled computing device. After the completion of the training of the Yolov3 network, it was concluded that the errors mentioned in the tests were successfully detected.