Ερευνητές από την Κίνα ανέπτυξαν ένα νέο σύστημα ανίχνευσης ρύπων για φωτοβολταϊκά πάρκα. Η πατέντα τους χρησιμοποιεί μια σειρά από τεχνικές επεξεργασίας εικόνας, καθώς drones που πετούν πάνω από τα πάρκα και έναν βελτιωμένο αλγόριθμο τεχνητής νοημοσύνης (AI) για βελτιστοποίηση της διαδρομής. Η έρευνα παρουσιάστηκε στο Scientific Reports.
«Σε σύγκριση με άλλες παραδοσιακές μεθόδους, η προτεινόμενη έχει χαμηλότερη υπολογιστική πολυπλοκότητα, γρηγορότερη ταχύτητα λειτουργίας, μικρότερη επίδραση του φωτός και ισχυρή ικανότητα εντοπισμού βρωμιάς», δήλωσαν οι ερευνητές. «Ο βελτιωμένος αλγόριθμος σχεδιασμού διαδρομής που χρησιμοποιήθηκε σε αυτή τη μελέτη βελτιώνει σημαντικά την αποτελεσματικότητα της επιθεώρησης με drones, εξοικονομεί χρόνο και πόρους, μειώνει το κόστος λειτουργίας και συντήρησης και βελτιώνει το αντίστοιχο επίπεδο λειτουργίας και συντήρησης της φωτοβολταϊκής παραγωγής ενέργειας».
Η νέα προσέγγιση χρησιμοποιεί μαθηματικές μορφές για την επεξεργασία εικόνας, όπως ενίσχυση , οξυνση, φιλτράρισμα και λειτουργίες κλεισίματος. Χρησιμοποιεί επίσης εξισορρόπηση ιστογράμματος εικόνας και ανίχνευση άκρων, μεταξύ άλλων μεθόδων, για να εντοπίσει τις σκονισμένες περιοχές. Για τη βελτιστοποίηση της διαδρομής, χρησιμοποιεί μια βελτιωμένη έκδοση του αλγόριθμου A* (A-star). «Στο παραδοσιακό στατικό περιβάλλον, ο αλγόριθμος A* μπορεί να βρει αποτελεσματικά την καλύτερη απόσταση σχεδιασμού διαδρομής μεταξύ δύο σημείων. Ωστόσο, στην εφαρμογή της επιθεώρησης φωτοβολταϊκών σταθμών, λόγω των περιορισμών της πολυπλοκότητας της σκηνής, ο παραδοσιακός αλγόριθμος A* δεν μπορεί να δείξει την καλύτερη απόδοση», εξήγησε η ομάδα. «Αυτή η μελέτη βελτιστοποιεί τον αλγόριθμο από δύο προοπτικές: τον σχεδιασμό του χώρου αναζήτησης και τη βελτιστοποίηση της λειτουργίας εύρεσης».
Μετά την ανάπτυξη της μεθόδου, η ομάδα την δοκίμασε σε σχέση με μεθόδους αναφοράς σε περιβάλλον Matlab 2022b, χρησιμοποιώντας ένα UAV DJI Matrice 300 RTK και μια κάμερα Zenmuse X5S. Για τις δυνατότητες αναγνώρισης σκόνης, η νέα μέθοδος συγκρίθηκε με την ανάλυση φάσματος ανάκλασης, την ανάλυση ηλεκτροχημικής αντίστασης και τη θερμική απεικόνιση υπερύθρων.
«Σε σύγκριση με τις δύο μεθόδους, την ανάλυση φάσματος ανάκλασης και τη θερμική απεικόνιση υπερύθρων, η μέθοδος που χρησιμοποιήθηκε σε αυτή τη μελέτη έχει τη χαμηλότερη υπολογιστική πολυπλοκότητα και τον μικρότερο χρόνο λειτουργίας, ενώ οι άλλες δύο μέθοδοι καταναλώνουν περισσότερο χρόνο και δεν χρησιμοποιούν ανάλυση σε πραγματικό χρόνο», ανέφεραν οι ερευνητές. «Επιπλέον, σε σύγκριση με άλλες μεθόδους, η μέθοδος που χρησιμοποιήθηκε σε αυτή τη μελέτη επηρεάζεται λιγότερο από το φως και έχει την ισχυρότερη ικανότητα εντοπισμού βρωμιάς».
Η νέα προσέγγιση δοκιμάστηκε σε σχέση με τον κλασικό, μη βελτιωμένο αλγόριθμο A* για τη βελτιστοποίηση της διαδρομής. «Σε διαφορετικά πειραματικά σενάρια, ο βελτιωμένος αλγόριθμος A* απαιτεί λιγότερο χρόνο για την επιθεώρηση με UAV, γεγονός που εξοικονομεί χρόνο πτήσης και απόσταση πτήσης και βελτιώνει σημαντικά την απόδοση καθαρισμού των λεκέδων των ηλιακών πάνελ», σύμφωνα με την ανάλυση.
