Protótipo de drone com IA deteta anomalias em painéis solares

A 18 m a 30 m acima de uma instalação fotovoltaica (PV), um hexacóptero personalizado percorreu trajetórias de voo autónomas enquanto duas câmaras procuravam anomalias nos painéis abaixo. A equipa de investigação polaco-espanhola testou-o sobre uma pequena instalação residencial e uma grande instalação de escala industrial; os investigadores classificaram os módulos como contendo pontos quentes, poeira, areia ou dejetos de aves, ou como limpos. A aeronave e a carga de sensores usaram fontes de alimentação dedicadas, permitindo aproximadamente 25 minutos de autonomia de voo.

O método não trata a câmara térmica como um simples termómetro. Os investigadores usam imagens térmicas para identificar padrões visuais relativos e verificam depois se uma anomalia se mantém consistente em vários fotogramas captados a partir de diferentes ângulos de visão. A carga combinou uma câmara térmica radiométrica FLIR Boson 640 com uma MicaSense Altum, que capta simultaneamente imagens RGB, térmicas e multiespectrais.

A equipa construiu o seu conjunto de dados a partir de 1 950 imagens de voo próprias, 190 imagens do repositório público Kaggle «Solar Panel Images» e 260 imagens laboratoriais que mostravam contaminação controlada. Depois de filtrarem fotogramas desfocados, sobreexpostos e com ruído, os investigadores segmentaram módulos individuais e compararam quatro arquiteturas de redes neuronais convolucionais (CNN). O EfficientNet-B0 teve o melhor desempenho, com uma precisão de 0,903, uma revocação de 0,907, uma pontuação F1 macro de 0,904 e uma pontuação F1 ponderada de 0,927. A métrica F1 mede o equilíbrio entre a precisão e a revocação.

Os resultados variaram consoante o tipo de anomalia. Os pontos quentes e os módulos limpos obtiveram, cada um, pontuações de precisão, revocação e F1 de 1,000. A areia alcançou uma pontuação F1 de 0,907 e os dejetos de aves 0,889, enquanto a poeira foi a mais difícil de identificar, com uma precisão de 0,711, uma revocação de 0,751 e uma pontuação F1 de 0,732. As campanhas decorreram durante o dia, com temperaturas ambiente de 12 C a 22 C, sobretudo sob céu limpo ou parcialmente nublado, e velocidades do vento inferiores a 12 m/s. Os valores apresentados descrevem, portanto, este conjunto de dados e estas condições de teste, não todas as instalações solares.

Concretamente, o protótipo poderia dar aos operadores de instalações fotovoltaicas residenciais e industriais uma forma automatizada de assinalar módulos suspeitos para uma inspeção mais aprofundada, caso testes posteriores confirmem o desempenho fora das campanhas dos investigadores. Segundo a equipa, o seu design modular também poderia ser alargado à operação coordenada de vários UAV e à fusão de sensores adicionais. Por agora, o trabalho é um quadro de investigação publicado na Measurement, desenvolvido por cientistas da Universidade de Tecnologia de Rzeszów e da Universidade Politécnica de Valência, e não um serviço de inspeção implementado.