توسط : 
شرکت Sense Aeronautics از یک سامانه بازرسی هوایی خودکار برای پنلهای خورشیدی رونمایی کرده که با بهرهگیری از تصویربرداری مادونقرمز (IR) و الکترولومینسانس (EL)، امکان شناسایی و دستهبندی انواع عیوب پنلهای خورشیدی را فراهم میکند. این سامانه با هدف پشتیبانی از عملیات نگهداری مقیاسپذیر و مبتنی بر داده در نیروگاههای خورشیدی توسعه یافته است.
به گفته این شرکت، قابلیت جدید بازرسی خورشیدی بر پایه SenseAI طراحی شده؛ زنجیره پیشرفته تحلیل تصویر که دادههای تصویری ثبتشده توسط پهپادها را پردازش و تفسیر میکند. این دادهها شامل تصاویر مادونقرمز و الکترولومینسانس هستند که نقش کلیدی در شناسایی نقصهای عملکردی و ساختاری پنلهای خورشیدی دارند.
هوش مصنوعی منطبق با واقعیتهای عملیاتی
برخلاف رویکردهایی که هوش مصنوعی را بهعنوان یک ابزار مستقل معرفی میکنند، Sense Aeronautics، سامانه SenseAI را براساس واقعیتهای عملی جمعآوری دادههای هوایی طراحی کرده است. این سامانه بهگونهای توسعه یافته که بتواند بهطور قابلاعتماد با تصاویر ناهمگون و متنوع کار کند؛ شرایطی که در بازرسیهای میدانی پنلهای خورشیدی کاملاً رایج است.
خروجیهای SenseAI بهنحوی بهینهسازی شدهاند که تیمهای بهرهبرداری و نگهداری بتوانند دادههای پیچیده تصویری را به نتایج استاندارد، قابلتفسیر و کاربردی تبدیل کنند؛ امری که میتواند دقت تصمیمگیری، کاهش هزینههای تعمیرات و افزایش بازده عملیاتی نیروگاههای خورشیدی را بهدنبال داشته باشد.
مدلهای بازرسی مادونقرمز
تصویربرداری مادونقرمز (Infrared) همچنان پرکاربردترین روش بازرسی هوایی پنلهای خورشیدی به شمار میرود و برای شناسایی تغییرات رفتار حرارتی که میتواند نشاندهنده بروز مشکلات الکتریکی یا مکانیکی باشد، استفاده میشود. مدل مادونقرمز SenseAI طبقهبندی را در سطح پنل انجام میدهد و این واقعیت را در نظر میگیرد که بسیاری از عیوب، ازجمله خرابی استرینگها، داغشدن جعبه اتصال (Junction Box) و اثرات سایهاندازی، اغلب بهصورت الگوهای حرارتی گسترده و توزیعشده ظاهر میشوند، نه بهعنوان ناهنجاریهای نقطهای مجزا.
معماری این مدل بر پایه YOLO11n-cls طراحی شده است؛ مدلی که بهدلیل کارایی محاسباتی بالا و تناسب با تحلیل گرادیانهای دمایی گسترده در سطح پنل انتخاب شده است. نتایج آزمونها نشان میدهد این مدل در شرایط متنوع بازرسی عملکردی پایدار دارد و در شناسایی ناهنجاریهای حرارتی با کنتراست بالا، ازجمله اتصال کوتاه و خرابی زیررشتهها (Substring Failures)، به دقت بالایی دست یافته است.
تحلیل الکترولومینسانس
مدل الکترولومینسانس (EL) در SenseAI بر شناسایی عیوب ریزساختاری تمرکز دارد؛ نقصهایی که تنها تحت تحریک الکتریکی قابل مشاهده هستند. این عیوب شامل میکروترکها، قطعشدگی فینگرها، نابجاییها (Dislocations) و نقصهای موسوم به «هسته سیاه» (Black Core Defects) میشوند.
این مدل بر پایه هسته تشخیص YOLOv5s توسعه یافته و قادر است هر نوع عیب را بهصورت مجزا شناسایی و مکانیابی کند. این قابلیت امکان تطبیق بصری با دادههای مرجع (Ground Truth) و همچنین ارزیابی روند تخریب بلندمدت پنلها را فراهم میکند.
دقت بالای مدل بهویژه در شناسایی عیوب با هندسه مشخص، مانند نابجاییها و اتصال کوتاه، قابلتوجه است. در عین حال، رفتار محافظهکارانه مدل در مواجهه با عیوب ظریف و کمکنتراست، بازتابدهنده رویکرد بازرسان خبره است؛ رویکردی که در آن اطمینان تشخیصی بر شناسایی حداکثری همه نشانههای مبهم ترجیح داده میشود.
اپلیکیشن مبتنی بر وب برای انجام بازرسی پنلهای خورشیدی
SenseAI از طریق یک اپلیکیشن مبتنی بر وب برای انجام بازرسیهای کامل و آمادهبهکار در دسترس است و همچنین از طریق API امکان یکپارچهسازی با پلتفرمهای دیجیتال موجود را فراهم میکند. این API قابلیت دریافت خودکار تصاویر، تحلیل دادهها و بازیابی نتایج را فراهم کرده و امکان استفاده از SenseAI را در سامانههای SCADA، دوقلوهای دیجیتال و ابزارهای مدیریت و نگهداری و تعمیرات فراهم میسازد.
پشتیبانی از توسعه مقیاسپذیر نیروگاههای خورشیدی
Sense Aeronautics با ترکیب طراحی هوش مصنوعی عملیاتی و تحلیل تصویربرداری چندحالته، یک زیرساخت قدرتمند برای بازرسی خودکار سامانههای فتوولتائیک ایجاد کرده است. این شرکت بهطور مستمر SenseAI را با استفاده از دادههای جدید و بازخوردهای اعتبارسنجی میدانی بهبود میدهد تا دقت، قابلیت اطمینان و سازگاری آن در شرایط مختلف بازرسی افزایش یابد.
Sense Aeronautics از اپراتورهای پهپاد، شرکتهای ارائهدهنده خدمات بازرسی و توسعهدهندگان پلتفرمهای دیجیتال دعوت میکند تا در فرایند آزمون، یکپارچهسازی و توسعه سامانه بازرسی خورشیدی مبتنی بر SenseAI همکاری کنند.
