使用基于注意力的深度学习模型识别太阳能光伏板与风力涡轮机叶片的表面缺陷
计算机视觉与模式识别
2024-01-10 v3 图像与视频处理
摘要
全球可再生能源发电量迅速增长，主要归因于大规模可再生能源发电厂的安装。然而，由于可能导致发电量减少、故障和资产寿命退化的环境因素，监测这些大型电厂中的可再生能源资产仍然具有挑战性。因此，检测可再生能源资产的表面缺陷对于维持这些电厂的性能和效率至关重要。本文提出了一种创新的检测框架，以实现针对可再生能源资产的经济型表面监测系统。定期捕获资产的高分辨率图像并进行检查，以识别太阳能光伏板和风力涡轮机叶片上的表面或结构损伤。{本工作提出使用视觉 Transformer（ViT）——计算机视觉中最新基于注意力的深度学习（DL）模型之一——对表面缺陷进行分类。}ViT 模型优于包括 MobileNet、VGG16、Xception、EfficientNetB7 和 ResNet50 在内的其他深度学习模型，在风能和太阳能电厂资产上均实现了 97\% 以上的高准确率。结果表明，我们提出的模型展现了其在监测和检测可再生能源资产损伤方面的潜力，有助于可再生能源电厂的高效和可靠运行。
引用
@article{arxiv.2211.15374,
title = {Identification of Surface Defects on Solar PV Panels and Wind Turbine Blades using Attention based Deep Learning Model},
author = {Divyanshi Dwivedi and K. Victor Sam Moses Babu and Pradeep Kumar Yemula and Pratyush Chakraborty and Mayukha Pal},
journal= {arXiv preprint arXiv:2211.15374},
year = {2024}
}