Güneş panellerinin dört rotorlu iha kullanılarak termografi yöntemiyle derin öğrenme tabanlı hata tespit ve teşhisi
Deep learning based fault detection and diagnosis of solar panels using four rotor uav with termography method
- Tez No: 672615
- Danışmanlar: DR. ÖĞR. ÜYESİ BATIKAN ERDEM DEMİR
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Karabük Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 114
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.
Özet (Çeviri)
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.
Benzer Tezler
- Monokristal ve polikristal fotovoltaik güneş panellerinin dalga boyuna bağlı performans analizleri
Wavelength dependent performance analysis of monocrystalline and policrystalline photovoltaic solar panels
SÜNDÜZ GÖKÇEN
Yüksek Lisans
Türkçe
2021
EnerjiÇanakkale Onsekiz Mart ÜniversitesiEnerji Kaynakları ve Yönetimi Ana Bilim Dalı
DOÇ. DR. NECATİ KAYA
- Polikristal güneş panellerinin coğrafi konumlara göre verim analizinin yapılması
Efficiency analysis of polycristal solar panels according to geographical locations
MUHAMMET DEMİRKIRAN
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDULHAKİM KARAKAYA
- Detection of faulty solar panels us-ing artificial intelligence techniques
Yapay zekâ teknikleriyle arızalı güneş panellerinin tespiti
ASMAIL ABRAHIM FANIAR
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik MühendisliğiKarabük ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CİHAT ŞEKER
- Derin öğrenme tabanlı segmentasyon yaklaşımları ile güneş panellerinin otomatik verimlilik tespiti
Automatic efficiency detection of solar panels using deep learning-based segmentation approaches
SÜMEYYE YANILMAZ
Yüksek Lisans
Türkçe
2024
EnerjiBingöl ÜniversitesiYenilenebilir Enerji Sistemleri Ana Bilim Dalı
DOÇ. DR. MUZAFFER ASLAN
- Güneş panellerinde kullanılan helisel kazıkların tasarımında sayısal yaklaşımların etkisi
The effect of numerical approaches design of helical piles used for solar panels
BURCU DIŞKAYA
Yüksek Lisans
Türkçe
2018
İnşaat Mühendisliğiİstanbul Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUSTAFA KUBİLAY KELEŞOĞLU