Güneş panellerinde termal kameralı insansız hava aracı kullanılarak derin öğrenme tabanlı arıza tespiti
Deep learning-based fault detection using thermal camera-equipped unmanned aerial vehicles in solar panels
- Tez No: 984200
- Danışmanlar: DR. ÖĞR. ÜYESİ BAYRAM KÖSE
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Enerji, Electrical and Electronics Engineering, Energy
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İzmir Bakırçay Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Günümüzde yenilenebilir enerji kaynaklarının sürdürülebilir enerji üretimindeki önemi giderek artmakta olup, güneş enerjisi sistemleri bu alanda en yaygın kullanılan teknolojilerden biri hâline gelmiştir. Fotovoltaik (FV) panellerin verimliliği, çevresel faktörler, üretim hataları veya zamanla oluşan fiziksel hasarlar nedeniyle önemli ölçüde azalabilmektedir. Bu durum, güneş enerji santrallerinde (GES) düzenli bakım ve arıza tespit süreçlerinin verimli ve otomatik hâle getirilmesini zorunlu kılmaktadır. Bu çalışmada, güneş panellerinde oluşabilecek arızaların tespiti amacıyla termal kamera entegre edilmiş insansız hava aracı (İHA) kullanılarak görüntü toplama işlemi gerçekleştirilmiştir. Toplanan termal görüntüler derin öğrenme temelli bir nesne tespiti yaklaşımı olan 2022 yılında yayınlanmış YoloV7 algoritması ve 2025 yılında yayınlanmış olup versiyonları arasında en günceli Yolov12 algoritması ile analiz edilmiştir. Algoritmaların eğitimi aşamasında toplamda 325 adet termal görüntüden oluşan veri seti kullanılmıştır. YoloV7 Algoritması eğitimi 250 epochdan oluşup yaklaşık 19 saatte, YoloV12 algoritmasının eğitimi ise 250 epoch ile 23 saatte tamamlanmıştır. Yapılan testler sonucunda, geliştirilen sistemler karşılaştırılmış ve YoloV7 algoritmasının 0.91, YoloV12 algoritmasının 0,94 doğruluk oranıyla arıza tespiti yapabildiği gözlemlenmiştir. Bu yaklaşım, endüstriyel bakım süreçlerinde önemli bir yenilik olarak değerlendirilmiştir. Çalışmanın sonucu, termal görüntüleme destekli derin öğrenme tabanlı arıza tespiti yöntemlerinin, büyük ölçekli güneş enerji santrallerinde bakım süreçlerini otomatikleştirerek maliyetleri azaltma potansiyeline sahip olduğunu göstermiştir.
Özet (Çeviri)
Today, the importance of renewable energy sources in sustainable energy production is increasing and solar energy systems have become one of the most widely used technologies in this field. The efficiency of photovoltaic (PV) panels can significantly decrease due to environmental factors, manufacturing defects or physical damage over time. This situation necessitates efficient and automated regular maintenance and fault detection processes in solar power plants (SPPs). In this study, an unmanned aerial vehicle (UAV) with an integrated thermal camera is used for image collection to detect possible malfunctions in solar panels. The collected thermal images were analyzed with the YoloV7 algorithm published in 2022, which is a deep learning based object detection approach, and the YOLOv12 algorithm published in 2025, which is the most up-to-date among its versions. During the training phase of the algorithms, a dataset consisting of 325 thermal images in total was used. The training of the YoloV7 algorithm consisted of 250 epochs and took approximately 19 hours, while the training of the YoloV12 algorithm was completed in 23 hours with 250 epochs. As a result of the tests, the developed systems were compared and it was observed that the YoloV7 algorithm was able to detect faults with an accuracy of 0.91 and the YoloV12 algorithm with an accuracy of 0.94. This approach is considered as an important innovation in industrial maintenance processes. The results of the study show that deep learning-based fault detection methods with thermal imaging support have the potential to reduce costs by automating maintenance processes in large-scale solar power plants.
Benzer Tezler
- Preliminary design of the satellite management subsystem for a proposed sudanese earth high resolution observation satellite
Teklif edilmiş sudan yüksek çözünürlüklü yer gözlem uydusu için uydu yönetim sistemi ön tasarımı
YASİR ABBAS
Yüksek Lisans
İngilizce
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiHavacılık ve Uzay Mühendisliği Ana Bilim Dalı
Prof. Dr. ALİM RÜSTEM ASLAN
- Güneş paneli üretim hatalarının enerji verimliliğine olan etkilerinin belirlenmesi
Determining the effects of solar panel production errors on energy efficiency
AHMET GÜZELBAY
Yüksek Lisans
Türkçe
2024
EnerjiNecmettin Erbakan ÜniversitesiEnerji Sistemleri Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÇETİN PALTA
- PV/T sistem performansına zorlanmış hava/nanoakışkan çiftlerinin etkisinin sayısal olarak incelenmesi
Numerical investigation of the effect of forced air/nanofluid pairs on PV/T system performance
GÖKHAN SEFER
Yüksek Lisans
Türkçe
2023
EnerjiGebze Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. SÜLEYMAN KARSLİ
- Thermoelectric properties investigation of copper based chalcogenide and cobalt based skutterudite structures
Bakır tabanlı kalkojenit ve kobalt tabanlı skutterudite yapılarının termoelektrik özelliklerinin incelenmesi
TUĞBA TEMEL
Yüksek Lisans
İngilizce
2020
Fizik ve Fizik Mühendisliğiİstanbul Teknik ÜniversitesiNanobilim ve Nanomühendislik Ana Bilim Dalı
PROF. DR. BURAK ÖZKAL
DOÇ. DR. SEDAT BALLIKAYA
- Preparation and characterization of phase change materials to reduce internal temperature changes in refrigerators
Buzdolabı iç sıcaklık değişimini azaltmak amacıyla faz değiştiren malzeme hazırlanması ve karakterizasyonu
ÖZGE PAYANDA
Yüksek Lisans
İngilizce
2019
Bilim ve Teknolojiİstanbul Teknik ÜniversitesiKimya Mühendisliği Ana Bilim Dalı
PROF. DR. SADRİYE OSKAY