TRÌNH ĐƠN TRA CỨU
Tất cả
Skip Navigation Links.
  • Bài trích
  • Nhan đề: Nghiên cứu ứng dụng trí tuệ nhân tạo trong xử lý hình ảnh để phát hiện các hư hỏng của tấm pin năng lượng mặt trời phục vụ công tác đánh giá chất lượng
Tác giả CN Nguyễn Khánh Chi
Nhan đề Nghiên cứu ứng dụng trí tuệ nhân tạo trong xử lý hình ảnh để phát hiện các hư hỏng của tấm pin năng lượng mặt trời phục vụ công tác đánh giá chất lượng
Tóm tắt Hiệu suất của hệ thống pin quang điện (PV) phụ thuộc lớn vào chất lượng bề mặt tấm pin, bởi các hư hỏng như vết nứt hay bụi bẩn có thể làm suy giảm hiệu suất và ảnh hưởng lâu dài đến toàn hệ thống. Do đó, việc kiểm tra và đánh giá các hư hỏng này là một nội dung rất quan trọng trong công tác bảo trì và đánh giá chất lượng của các trang trại điện mặt trời. Phương pháp kiểm tra thủ công hiện nay có nhược điểm là tốn thời gian, độ chính xác thấp, phụ thuộc vào kinh nghiệm của kỹ thuật viên và khó đáp ứng yêu cầu giám sát trên diện rộng. Bài báo này đề xuất một quy trình ứng dụng trí tuệ nhân tạo (AI) nhằm tự động phát hiện các hư hỏng trên bề mặt tấm pin năng lượng mặt trời từ ảnh quang học thu thập bằng UAV. Hệ thống gồm hai giai đoạn chính: (i) tiền xử lý và cắt tách tự động từng tấm pin từ ảnh tổng thể, và (ii) phân loại trạng thái tấm pin bằng môn hình học sâu. Qua quá trình so sánh thực nghiệm giữa nhiều kiến trúc mạng nơ-ron tích chập (CNN) phổ biến (VGG, ResNet, EfficientNet), EfficientNet-B2 được lựa chọn nhờ khả năng cân bằng tốt giữa độ chính xác và chi phí tính toán. Môn hình được huấn luyện để phân biệt hai trạng thái “Normal" và “Defect", đạt độ chính xác 96,45% trên tập kiểm thử. Kết quả cho thấy tính khả thi và tiềm năng ứng dụng của hệ thống trong việc tự động hóa công tác kiểm tra, giám sát và bảo trì các trang trại điện mặt trời quy môn lớn.
Từ khóa tự do pin năng lượng mặt trời
Từ khóa tự do Thị giác máy tính
Từ khóa tự do Drone/UAV
Từ khóa tự do phát hiện lỗi
Tác giả(bs) CN Lê Bá Danh
Tác giả(bs) CN Lã Minh Khánh
Tác giả(bs) CN Nguyễn Đình Quý
Nguồn trích Xây dựng : tạp chí xây dựng Việt nam - Bản quyền thuộc bộ xây dựng2026-3-2tr. Số: 12 Tập: 2025
00000000nab#a2200000ui#4500
00160462
0026
0040780EA51-47DD-4DB2-A52E-BC186730E2F9
005202603030932
008081223s VN| vie
0091 0
039|y20260303093236|zcuonglv
040 |aTV EAUT
041 |avie
044 |avm
10010|aNguyễn Khánh Chi
245 |aNghiên cứu ứng dụng trí tuệ nhân tạo trong xử lý hình ảnh để phát hiện các hư hỏng của tấm pin năng lượng mặt trời phục vụ công tác đánh giá chất lượng
520 |aHiệu suất của hệ thống pin quang điện (PV) phụ thuộc lớn vào chất lượng bề mặt tấm pin, bởi các hư hỏng như vết nứt hay bụi bẩn có thể làm suy giảm hiệu suất và ảnh hưởng lâu dài đến toàn hệ thống. Do đó, việc kiểm tra và đánh giá các hư hỏng này là một nội dung rất quan trọng trong công tác bảo trì và đánh giá chất lượng của các trang trại điện mặt trời. Phương pháp kiểm tra thủ công hiện nay có nhược điểm là tốn thời gian, độ chính xác thấp, phụ thuộc vào kinh nghiệm của kỹ thuật viên và khó đáp ứng yêu cầu giám sát trên diện rộng. Bài báo này đề xuất một quy trình ứng dụng trí tuệ nhân tạo (AI) nhằm tự động phát hiện các hư hỏng trên bề mặt tấm pin năng lượng mặt trời từ ảnh quang học thu thập bằng UAV. Hệ thống gồm hai giai đoạn chính: (i) tiền xử lý và cắt tách tự động từng tấm pin từ ảnh tổng thể, và (ii) phân loại trạng thái tấm pin bằng môn hình học sâu. Qua quá trình so sánh thực nghiệm giữa nhiều kiến trúc mạng nơ-ron tích chập (CNN) phổ biến (VGG, ResNet, EfficientNet), EfficientNet-B2 được lựa chọn nhờ khả năng cân bằng tốt giữa độ chính xác và chi phí tính toán. Môn hình được huấn luyện để phân biệt hai trạng thái “Normal" và “Defect", đạt độ chính xác 96,45% trên tập kiểm thử. Kết quả cho thấy tính khả thi và tiềm năng ứng dụng của hệ thống trong việc tự động hóa công tác kiểm tra, giám sát và bảo trì các trang trại điện mặt trời quy môn lớn.
653 |apin năng lượng mặt trời
653 |aThị giác máy tính
653 |aDrone/UAV
653 |aphát hiện lỗi
700 |aLê Bá Danh
700 |aLã Minh Khánh
700 |aNguyễn Đình Quý
7730 |tXây dựng : tạp chí xây dựng Việt nam - Bản quyền thuộc bộ xây dựng|d2026-3-2|gtr.|v2025|i12
890|a0|b0|c1|d0
Không tìm thấy biểu ghi nào