Geri Dön

Güneş enerji sistemlerindeki fotovoltaik hücre çatlaklarının elektrolüminesans görüntüler üzerinden makine öğrenmesi tabanlı yaklaşımlarla tespiti ve sınıflandırması

Detection and classification of photovoltaic cell cracks in solar energy systems using machine learning based approaches via

PDF İndir

  1. Tez No: 951711
  2. Yazar: ZÜBEYİR FURKAN HAROĞLU
  3. Danışmanlar: DOÇ. DR. FATİH DEMİR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: – Elektrolüminesans görüntüleme, güneş panelleri, derin öğrenme, kusur, sınıflandırma, Electroluminescence imaging, solar panels, deep learning, defect, classification
  7. Yıl: 2025
  8. Dil: Türkçe
  9. Üniversite: Fırat Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Ekobilişim Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Elektrolüminesans (EL) görüntüleme, güneş panellerinin üretim, kurulum ve işletiminin her aşamasında kusurları tespit etmek için en yaygın kullanılan teşhis tekniğidir. Bu yöntem, mikro çatlaklar ve parmak hatlarındaki kırılmalar gibi güneş paneli arızalarını tespit edip gidererek elektrik kesintilerini potansiyel olarak azaltabilir. EL testi güvenilir bir inceleme yöntemidir, ancak karmaşık hata modelleri ve heterojen arka planlar nedeniyle EL görüntülerini yorumlamak zor olabilir. Sonuç olarak, kusurlu hücreleri değerlendirmek ve bir sorunun ciddiyetini belirlemek özel bilgi gerektirir, bu da bu yöntemlerin her hücre için manuel olarak yürütülmesini zaman alıcı hale getirir. Bu nedenle, güneş pillerinin otomatik görsel denetimi çok önemli hale gelmektedir. Bu çalışmada, güneş pili hatalarının otomatik olarak belirlenmesi ve sınıflandırılması için derin öğrenme tabanlı bir model sunulmaktadır. Derin özellikleri çıkarmak için CNN tabanlı modelden çıkarılmıştır. Derin özellikler altı farklı makine öğrenmesi sınıflandırıcısında değerlendirilmiştir. Önerilen metodolojiyi test etmek için iki sınıflı popüler ELPV veri kümesi kullanılmıştır.

Özet (Çeviri)

Electroluminescence (EL) imaging is the most widely used diagnostic technique to detect defects at all stages of solar panel manufacturing, installation, and operation. This method can potentially reduce power outages by detecting and repairing solar panel faults such as microcracks and finger line breaks. EL testing is a reliable inspection method, but EL images can be difficult to interpret due to complex fault patterns and heterogeneous backgrounds. As a result, evaluating defective cells and determining the severity of a problem requires specific knowledge, making these methods time-consuming to execute manually for each cell. Therefore, automatic visual inspection of solar cells becomes very important. In this study, a deep learningbased model is presented for automatic detection and classification of solar cell faults. CNN-based model is extracted to extract deep features. Deep features are evaluated on six different machine learning classifiers. The popular two-class ELPV dataset is used to test the proposed methodology.

Benzer Tezler

  1. Tez No

    355

    Güneş enerjisi ile çalışan R21-DMF li soğurmalı soğutma çevrimin analizi ve bazı tersinmezliklerin çevrimin performansı üzerindeki etkilerinin incelenmesi

    Analysis of R21-DMF solar powered absorpption refrigeration system and effect of someirreversbilities on the Performance of the cycle

    SEYİT ARİF TÜR

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Makine MühendisliğiGazi Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ERCAN ATAER

  2. Tez No

    106

    Sivas yöresinde akraba evliliği yapan ve yapmayan çiftlerde dermatoglifik benzerlikler

    Similarities of dermataoglyphies among individval of married relatives and married couples not related to each other in Sivas region

    Y. SELMA SÜNGÜ

    Yüksek Lisans

    Türkçe

    Türkçe

    1984

    Tıbbi BiyolojiCumhuriyet Üniversitesi

    Tıbbi Biyoloji ve Genetik Ana Bilim Dalı

    YRD. DOÇ. DR. İLHAN SEZGİN

  3. Tez No

    258

    Landsat uydusu aracılığı ile elde edilen görüntülerin sınıflandırılmaları ve bunlara ilişkin bilgisayar programlarının hazırlanması

    Başlık çevirisi yok

    G. FERZAN KÜÇÜKA

    Yüksek Lisans

    Türkçe

    Türkçe

    1985

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEge Üniversitesi

    Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı

    DOÇ. DR. HALİS PÜSKÜLCÜ

  4. Tez No

    409

    Isı borulu sera tipi damıtıcı

    Başlık çevirisi yok

    HİKMET DOĞAN

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Makine MühendisliğiGazi Üniversitesi

    YRD. DOÇ. DR. ALİ YÜCEL UYAREL

  5. Tez No

    366

    Develi ağzı

    Başlık çevirisi yok

    KAMİLE GÜNER ÜNAL

    Yüksek Lisans

    Türkçe

    Türkçe

    1987

    Türk Dili ve EdebiyatıGazi Üniversitesi

    Türk Dili ve Edebiyatı Ana Bilim Dalı

    PROF. DR. AHMET BİCAN ERCİLASUN

Geri Dön