Güneş paneli temizleme robotlarının yüzeyde yön bulmasını zorlaştıran kir ve ışık yansımalarına karşı yeni bir veri seti hazırlandı. Çalışma, panellerdeki çizgileri farklı kirlenme koşullarında tanıyabilecek ve kısıtlı işlem gücüyle çalışabilecek yapay zekâ modellerinin geliştirilmesini hedefliyor.
Panel çizgileri yön bulmada referans oluyor
Temizlik robotları, kamerayla aldıkları görüntüler üzerinden panelde hangi yöne ilerleyeceklerini belirliyor. Ancak kir tabakası ve yansımalar, hücreler arasındaki çizgilerin algılanmasını güçleştiriyor. Bu nedenle temiz yüzeylerde görevini başarıyla yapan bir robot, yoğun kirli panellerde aynı sonucu veremeyebiliyor.
Hasar tespitine odaklanan mevcut güneş paneli görüntü veri setlerinden farklı olarak bu çalışma, robotların yön tayinine yardımcı olacak referansları ele alıyor. Araştırmacılar, temizlik robotunun önüne HF868-2 model bir kamera yerleştirdi. Yaklaşık 15 santimetre yükseklikteki kamerada 135 derece görüş açılı geniş lens kullanıldı. Görüntüler saniyede 60 kare hızında, 320 × 240 piksel çözünürlükte kaydedildi; geometrik kalibrasyon sonrasında çözünürlük 160 × 120 piksele indirildi. Böylece verilerin robotlardaki sınırlı işlem gücüyle analiz edilmesi amaçlandı.
Kirlenme düzeyleri veri setinde simüle edildi
Veri setinin hazırlanmasında önce 800 temiz panel görüntüsü elle etiketlendi. Robotların yön bulurken kullanabileceği beyaz hücre aralıkları ile güneş hücrelerinin panel çerçevesine birleştiği yatay ve dikey sınırlar referans çizgileri olarak işaretlendi.
Her temiz görüntünün beş ayrı kirlenme düzeyini yansıtan yapay sürümleri oluşturuldu. Kuş pisliği, su lekeleri ve birikintileri, yansımalar ve çerçeve üzerindeki toz gibi etkiler modele eklendi. Kirlenme seviyesine göre referans çizgilerinin yüzde 1 ila yüzde 50'sinin kapanması hedeflendi. Panel geometrisinin sabit tutulması, yalnızca kirin görüntüye etkisini incelemeye ve modellerin çizgileri hangi koşullarda kaçırdığını karşılaştırmaya imkân sağladı.
Simülasyonların yanında fiziksel kirli paneller de denendi
Toplam 6.200 görüntü içeren veri setinin 4.800 görüntüsü eğitim ve doğrulama için ayrıldı. Bu grubun 3.846 görüntüsü modellerin eğitilmesinde, 954 görüntüsü ise performans değerlendirmesinde kullanıldı.
Testlerde altı temiz ve yapay kirlenme koşulunu kapsayan 1.200 görüntüye ek olarak, laboratuvarda fiziksel olarak kirletilen iki panelden alınmış 200 görüntü değerlendirildi. Paneller pigment damlaları, kum, atık su ve temiz su kullanılarak kirletildi; yoğun ışığın yol açtığı yansımalar da test kapsamına alındı.
Görüntülere eşlik eden etiket dosyalarında referans çizgilerinin konumu, yönü, başlangıç ve bitiş noktaları ile sınıf bilgileri bulunuyor. Bu veriler çizgi tespitinin doğruluğunu ölçmek için kullanılabiliyor. Fiziksel kirli panellerden alınan görüntüler de modellerin gerçek koşullardaki başarısını değerlendirmeye yardımcı oluyor.
Hedef daha güvenilir otonom hareket
Araştırmacılar, veri setinin ardından güneş paneli temizleme robotlarının daha güvenilir biçimde otonom hareket etmesini sağlayacak çalışmalar yürütüyor. Ekip, referans çizgilerinden yararlanarak robotun yönünü tahmin edebilen ve düşük işlem gücüyle çalışabilen yapay zekâ modelleri geliştiriyor.
Çalışmalar arasında kamera görüntülerini ataletsel ölçüm birimleri ve tekerlek enkoderlerinden gelen verilerle birleştiren konum belirleme yöntemleri de yer alıyor. Bu yöntemlerle robotların konum ve hareket yönünü daha doğru belirlemesi amaçlanıyor.
