Hasarlı güneş paneli hücrelerinin derin öğrenme yöntemleriyle sınıflandırılması
Classification of damaged solar panel cells by deep learning methods
- Tez No: 747187
- Danışmanlar: DR. ÖĞR. ÜYESİ YAVUZ ÜNAL
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: Türkçe
- Üniversite: Amasya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Yenilenebilir Enerji ve Uygulamaları Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 100
Özet
Güneş enerjisi alternatif enerji kaynağıdır. Bir güneş enerjisi sisteminin temelini oluşturan güneş pilleri, esas olarak kristal silikon yapıdadır. Güneş panel hücrelerinde üretim esnasında veya kurulum sonrasında hatalar oluşabilir. Geleneksel görüntüleme yöntemleri ile güneş hücrelerindeki hataları tespit etmek çok zordur. Güneş hücrelerindeki bu hatalar, özel ekipmanlar ile çekilen elektrolüminans görüntüler ile tespit edilebilmektedir. Bu çalışmada, derin öğrenme yöntemi ile güneş panel hücrelerinin elektrolüminans (EL) görüntülerinden hasar tespiti yapılmıştır. 6528 adet monokristal ve polikristal yapıdaki farklı güneş panel hücrelerinin elektrolüminans (EL) görüntüleri kullanılmıştır. Görüntü sınıflandırmada, hızlı ve başarılı sonuçlar elde etmek için derin öğrenme algoritmaları kullanılmıştır. 300x300 boyutundaki görüntüler sağlam, kırık ve çatlak şeklinde kategorilere ayrılarak evrişimli sinir ağları ile eğitilmiştir. Çalışmada CNN modellerinden Xception, Vgg16, Vgg19, Resnet50, DenseNet201 ve MobileNet kullanılmıştır. Monokristal ve polikristal güneş hücreleri, CNN modelleri ile ayrı ayrı analiz edilmiştir. Modellerin doğruluk ve sınıflandırma sonuçlarına göre evrişimli sinir ağı modelleri ile başarılı tespitler yapılmıştır.
Özet (Çeviri)
Solar energy is an alternative energy source. Solar cells, which form the basis of a solar energy system, are mainly of crystalline silicon structure. Errors may occur in solar panel cells during production or after installation. It is very difficult to detect errors in solar cells with conventional imaging methods. These errors in solar cells can be detected with electroluminescent images taken with special equipment. In this study, damage detection was performed from electroluminance (EL) images of solar panel cells using deep learning method. Electroluminance (EL) images of 6528 monocrystalline and polycrystalline different solar panel cells were used. In image classification, deep learning algorithms are used to obtain fast and successful results. Images with the size of 300x300 were divided into categories as intact, broken and cracked and trained with convolutional neural networks. In the study, CNN models Xception, Vgg16, Vgg19, Resnet50, DenseNet201 and MobileNet were used. Monocrystalline and polycrystalline solar cells were analyzed separately with CNN models. According to the accuracy and classification results of the models, successful determinations were made with convolutional neural network models.
Benzer Tezler
- The role of oxidative stress factors in the pathophysiology of Ocular Rosacea, analysis of tears and other materials
Oküler Rosacea patofizyolojisinde oksidatif stres faktörlerinin rolü, gözyaşı ve diğer materyallerin analizi
NİLÜFER YEŞİLIRMAK
Doktora
İngilizce
2023
BiyokimyaGazi ÜniversitesiTıbbi Biyokimya Ana Bilim Dalı
PROF. DR. NESLİHAN BUKAN
PROF. DR. JEAN-LOUIS BOURGES
- Effect of salt concentration on the characteristics of biomass and organic removal in an anaerobic membrane bioreactor
Anaerobik membran biyoreaktörlerde tuz konsantrasyonunun çamur özellikleri ve organik kirletici giderimi üzerine etkisi
BAŞAK DÖNMEZ
Yüksek Lisans
İngilizce
2016
Çevre Mühendisliğiİstanbul Teknik ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA FATOŞ BABUNA
- The identification and validation of novel approaches to treat acute myeloid leukaemia
Akut Myeloid Lösemi'nin tedavisinde yeni yaklaşımların belirlenmesi ve validasyonu
NURETTİN AYVALI
- Geri kazanılmış temperli polikristal silikon güneş paneli camının çimento içersinde kum yerine agrega olarak tekrar kullanılması
Reusing of recycled polycrystalline silicon solar module tempered glass as replacement aggregate in cement based system
MURAT HÜSEYİN ÜNSAL
Yüksek Lisans
Türkçe
2019
Çevre MühendisliğiTekirdağ Namık Kemal ÜniversitesiÇevre Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZEKİ ÜNAL YÜMÜN
- Omurilik felçli bireyler için SCADA sistemi ve güneş paneli ile desteklenmiş akıllı ev model uygulaması
Smart home model application supported by SCADA system and solar panel for spinal cord paralyzed individuals
BÜNYAMİN KIVILCIM
Yüksek Lisans
Türkçe
2019
Bilim ve TeknolojiOrdu ÜniversitesiYenilenebilir Enerji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SİBEL AKKAYA OY