Geri Dön

Hasarlı güneş paneli hücrelerinin derin öğrenme yöntemleriyle sınıflandırılması

Classification of damaged solar panel cells by deep learning methods

  1. Tez No: 747187
  2. Yazar: YÜCEL KOÇ
  3. Danışmanlar: DR. ÖĞR. ÜYESİ YAVUZ ÜNAL
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Bilim ve Teknoloji, Computer Engineering and Computer Science and Control, Science and Technology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Amasya Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yenilenebilir Enerji ve Uygulamaları Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. 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

    İngilizce

    2023

    BiyokimyaGazi Üniversitesi

    Tıbbi Biyokimya Ana Bilim Dalı

    PROF. DR. NESLİHAN BUKAN

    PROF. DR. JEAN-LOUIS BOURGES

  2. 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

    İngilizce

    2016

    Çevre Mühendisliğiİstanbul Teknik Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    PROF. DR. FATMA FATOŞ BABUNA

  3. The identification and validation of novel approaches to treat acute myeloid leukaemia

    Akut Myeloid Lösemi'nin tedavisinde yeni yaklaşımların belirlenmesi ve validasyonu

    NURETTİN AYVALI

  4. 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

    Türkçe

    2019

    Çevre MühendisliğiTekirdağ Namık Kemal Üniversitesi

    Çevre Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ZEKİ ÜNAL YÜMÜN

  5. 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

    Türkçe

    2019

    Bilim ve TeknolojiOrdu Üniversitesi

    Yenilenebilir Enerji Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SİBEL AKKAYA OY