İnce Satırlar
Liste Modu
Döşeme Modu
Sade Döşeme Modu
Blog Modu
Yapay Zekânın Kirli Güneş Panellerinde Yön Bulması Kolaylaşıyor
Güneş paneli temizleme robotları, kameralarından elde ettikleri görüntüleri analiz ederek panel üzerinde hangi yönde hareket etmeleri gerektiğini belirliyor. Ancak yüzeydeki kirler ve ışık yansımaları, panel üzerindeki çizgilerin algılanmasını zorlaştırabiliyor. Bu nedenle temiz bir panelde başarılı olan bir robot, yoğun şekilde kirlenmiş bir panelde aynı performansı gösteremeyebiliyor.
Geleneksel güneş paneli görüntü veri setleri genellikle paneldeki hasarları ve kusurları tespit etmeye odaklanırken bu çalışma, doğrudan robotların yön bulma kabiliyetini geliştirmeyi hedefliyor. Araştırmacılar, bir temizlik robotunun ön tarafına yerleştirdikleri HF868-2 model kamerayla panel yüzeyini görüntüledi. Yaklaşık 15 santimetre yükseklikte bulunan kamera, 135 derecelik görüş açısına sahip geniş açılı bir lens kullanıyordu. Saniyede 60 kare hızında ve 320 × 240 piksel çözünürlükte kaydedilen görüntüler, geometrik kalibrasyonun ardından 160 × 120 piksel çözünürlüğe düşürüldü. Bu sayede görüntülerin robotların üzerindeki sınırlı işlem gücüyle analiz edilmesi sağlandı.
Veri setini oluşturmak için öncelikle 800 temiz panel görüntüsü elle etiketlendi. Bu görüntülerde robotların yön bulmak için kullanabileceği üç tür referans çizgisi belirlendi: Güneş hücreleri arasındaki beyaz boşluk çizgileri ile hücrelerin panel çerçevesiyle birleştiği yatay ve dikey sınır çizgileri. Ardından her temiz görüntünün beş farklı kirlenme seviyesindeki sürümü yapay olarak oluşturuldu. Kuş pisliği, su lekeleri, su birikintileri, ışık yansımaları ve çerçevelerde biriken toz gibi etkiler simüle edildi. Kirlenme seviyesine bağlı olarak referans çizgilerinin yüzde 1 ila yüzde 50'sinin kapatılması hedeflendi. Bu yöntem, panelin geometrisi değişmeden yalnızca kirlenmenin görüntü üzerindeki etkisinin incelenmesini sağlıyor. Böylece geliştiriciler, yapay zekâ modellerinin hangi koşullarda referans çizgilerini tanımakta zorlandığını daha sistematik biçimde değerlendirebiliyor.
Veri Seti Gerçek Kirlenme Koşullarında da Test Edildi
Toplam 6.200 görüntüden oluşan veri setinin 4.800 görüntülük bölümü eğitim ve doğrulama için ayrıldı. Bunların 3.846'sı yapay zekâ modellerini eğitmek, 954'ü ise modellerin performansını değerlendirmek için hazırlandı.
Test aşamasında altı farklı temiz ve yapay kirlenme koşulunu kapsayan 1.200 görüntünün yanı sıra, laboratuvar ortamında fiziksel olarak kirletilmiş iki güneş panelinden elde edilen 200 görüntü de kullanıldı. Bu paneller pigment damlaları, kum, atık su ve temiz suyla kirletildi. Ayrıca yoğun ışığın oluşturduğu yansımaların etkisi de test edildi.
Görüntülerle birlikte sunulan etiket dosyaları, referans çizgilerinin konumlarını, yönlerini, başlangıç ve bitiş noktalarını ve sınıf bilgilerini içeriyor. Bu bilgiler, geliştiricilerin yapay zekâ modellerinin çizgileri ne kadar doğru tespit ettiğini ölçmesine olanak tanıyor. Gerçek kirlenme koşullarında elde edilen görüntüler de modellerin yalnızca simülasyonlarda değil, fiziksel ortamlarda da ne kadar başarılı olduğunu değerlendirmek için kullanılabilecek.
Araştırmacıların bir sonraki hedefi, veri setinin ötesine geçerek güneş paneli temizleme robotlarının daha güvenilir şekilde otonom hareket etmesini sağlamak. Ekip, robotun panel üzerindeki referans çizgilerine göre yönünü tahmin edebilen, düşük işlem gücüyle çalışabilen yapay zekâ modelleri geliştiriyor. Ayrıca kameradan elde edilen görüntüleri ataletsel ölçüm birimlerinden ve tekerlek enkoderlerinden gelen verilerle birleştiren konum belirleme yöntemleri üzerinde çalışıyor. Bu yaklaşımın, robotların konumlarını ve hareket yönlerini daha doğru belirlemelerine yardımcı olması amaçlanıyor.
Bu haberi ve diğer DH içeriklerini, gelişmiş mobil uygulamamızı kullanarak görüntüleyin:
