Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Romaneli, Eduardo Félix Ribeiro | - |
Autor(es): dc.contributor | Romaneli, Eduardo Félix Ribeiro | - |
Autor(es): dc.contributor | Tiepolo, Gerson Máximo | - |
Autor(es): dc.contributor | Leludak, Jorge Assade | - |
Autor(es): dc.creator | Oliveira, Gabriel Tabim de | - |
Autor(es): dc.creator | Roscoe, Pedro Batista Junqueira | - |
Data de aceite: dc.date.accessioned | 2025-08-29T12:30:26Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T12:30:26Z | - |
Data de envio: dc.date.issued | 2025-06-05 | - |
Data de envio: dc.date.issued | 2025-06-05 | - |
Data de envio: dc.date.issued | 2023-11-27 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/37096 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1096630 | - |
Descrição: dc.description | The growing representation of photovoltaic energy in the Brazilian energy matrix leads to the need for a more efficient maintenance strategy in detecting hot spots in solar modules. The traditional method for identifying these flaws is poorly scalable and dependent on human interpretation of thermal images, which highlights the low scalability of the process. The use of computational processing, through deep machine learning, of standardized thermographs is a scalable solution to this problem, in addition to presenting significant efficiency in identifying hot spots. The experimental results obtained with the created algorithm were 96%, 87%, 89% and 90% for the respective convolutional methods MobileNetV2, MobileNetV2, VGG16 and ResNet50, based on training and testing with a set of 419 images. | - |
Descrição: dc.description | A crescente representatividade da energia fotovoltaica na matriz energética brasileira da luz a necessidade de uma estratégia de manutenção mais eficiente na detecção de pontos quentes em módulos solares. O método tradicional de identificação dessas falhas é pouco escalável e dependente da interpretação humana de imagens termográficas, o que ressalta a baixa escalabilidade do processo. A utilização do processamento computacional, através do deep learning, de termografias padronizadas é uma solução escalável para esse problema, além de apresentar uma eficiência significativa na identificação de pontos quentes. Os resultados experimentais obtidos com o algoritmo criado foram de 96%, 87%, 89% e 90% para os respectivos métodos convolucionais MobileNetV2, MobileNetV2, VGG16 e ResNet50, a partir de do treinamento e teste com uma base de dados de 419 imagens. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Engenharia Elétrica | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc-sa/4.0/ | - |
Palavras-chave: dc.subject | Painéis solares | - |
Palavras-chave: dc.subject | Aprendizado profundo (Aprendizado do computador) | - |
Palavras-chave: dc.subject | Termografia | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Simulação (Computadores) | - |
Palavras-chave: dc.subject | Solar panels | - |
Palavras-chave: dc.subject | Deep learning (Machine learning) | - |
Palavras-chave: dc.subject | Thermography | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Computer simulation | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Título: dc.title | Avaliação computacional de pontos quentes em painéis fotovoltaicos: uma estratégia de machine learning | - |
Título: dc.title | Computational evaluation of hotspots in photovoltaic panels: a machine learning strategy | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: