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 | Silva, Jean Carlos Cardozo da | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-2310-9159 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/9949032159595994 | - |
Autor(es): dc.contributor | Martelli, Cicero | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-0408-7847 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/9188974272555318 | - |
Autor(es): dc.contributor | Lazzaretti, André Eugênio | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-1861-3369 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/7649611874688878 | - |
Autor(es): dc.contributor | Passarin, Thiago Alberto Rigo | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-1001-5911 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/1366903848418887 | - |
Autor(es): dc.contributor | Silva, Jean Carlos Cardozo da | - |
Autor(es): dc.contributor | https://orcid.org/0000-0003-2310-9159 | - |
Autor(es): dc.contributor | http://lattes.cnpq.br/9949032159595994 | - |
Autor(es): dc.contributor | Alberto, Nelia Jordao | - |
Autor(es): dc.contributor | https://orcid.org/0000-0002-8176-7953 | - |
Autor(es): dc.contributor | Zamarreño, Carlos Ruiz | - |
Autor(es): dc.contributor | https://orcid.org/0000-0001-6601-5449 | - |
Autor(es): dc.creator | Di Renzo, André Biffe | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:21:55Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:21:55Z | - |
Data de envio: dc.date.issued | 2024-12-25 | - |
Data de envio: dc.date.issued | 2024-12-25 | - |
Data de envio: dc.date.issued | 2024-11-21 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/35695 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1111959 | - |
Descrição: dc.description | The use of photovoltaic panels for sustainable electricity generation has been growing worldwide. As a result, large solar plants must be monitored to find defects, quickly avoiding extended shutdowns in energy generation. There are several techniques for monitoring solar plants. Some of them are visual inspection in the visible spectrum, infrared thermography, and the acquisition of fluorescence images after excitation of the panel by ultraviolet light. All of these techniques use cameras to capture images of the panel for later analysis. Even with só many techniques, each of them has its shortcomings. In this work, a multispectral camera was developed to acquire and classify images of photovoltaic panels in real-time, using an edge device to connect all the hardware and process the images. In addition, a light concentrator was developed só that ultraviolet light inspections can be carried out efficiently. This research project also reviewed techniques that can be used to improve or clarify the aforementioned techniques, aiding in the inspection of solar panels. Regarding computational algorithms, two methodologies were tested for inspecting photovoltaic panels. One uses direct image classification (without object detection) and classifies the acquired image with a convolutional neural network. The other technique uses a complete algorithm that detects and classifies solar panels using convolutional neural networks. Both methodologies presented results similar to or better than those found in the literature, with accuracy values above 90% for the direct classification methodology and accuracy above 86% for the methodology with object detection. The presented solution can be an essential tool for the maintenance team to perform preventive maintenance, allowing early identification of problems and planning the maintenance schedule of the solar plant. | - |
Descrição: dc.description | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | - |
Descrição: dc.description | O uso de painéis fotovoltaicos para geração de energia elétrica de forma sustentável vem crescendo em todo mundo. Com isso, grandes plantas solares precisam ser monitoradas de forma a encontrar defeitos com agilidade, evitando longas paradas na geração de energia. Existem várias técnicas para monitorar plantas solares. Algumas delas são inspeção visual,no espectro visível, por termografia infravermelha, aquisição de imagens de fluorescência após excitação do painel por luz ultravioleta. Todas essas técnicas utilizam câmeras para captar imagens do painel para sua posterior análise. Mesmo com tantas técnicas, cada uma delas possuem suas lacunas. Neste trabalho foi desenvolvida uma câmera multiespectral com um para adquirir e classificar imagens de painéis fotovoltaicos em tempo real, utilizando um edge device para conectar todo o hardware e processar as imagens. Além disso, um concentrador de luz foi desenvolvido para que inspeções por luz ultravioleta sejam efetuadas de forma eficiente. Neste projeto de pesquisa também foram revisadas técnicas que podem ser utilizadas para melhorar ou esclarecer as técnicas mencionadas auxiliando na inspeção de painéis solares. Em termos de algoritmos computacionais, duas metodologias foram testadas para a inspeção de painéis fotovoltaicos, uma utiliza classificação direta da imagem (sem detecção de objetos) e classifica a imagem adquirida com uma rede neural convolucional e outra técnica utiliza um algoritmo completo que detecta e classifica os painéis solares utilizando também redes neurais convolucionais. Ambas as metodologias apresentaram resultados similares ou melhores que os encontrados na literatura com valores de acurácia superiores a 90% para o caso da metodologia de classificação direta e precisão superior a 86% na metodologia com detecção de objetos. A solução apresentada pode ser uma ferramenta importante para a equipe de manutenção realizar manutenções preventivas, permitindo identificar problemas precocemente e planejar o cronograma de manutenção da planta solar. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | en | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Curitiba | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Engenharia Elétrica e Informática Industrial | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Direitos: dc.rights | http://creativecommons.org/licenses/by-nc/4.0/ | - |
Palavras-chave: dc.subject | Painéis solares | - |
Palavras-chave: dc.subject | Localização de falhas (Engenharia) | - |
Palavras-chave: dc.subject | Redes neurais (Computação) | - |
Palavras-chave: dc.subject | Sistemas embarcados (Computadores) | - |
Palavras-chave: dc.subject | Algorítmos computacionais | - |
Palavras-chave: dc.subject | Processamento de imagens | - |
Palavras-chave: dc.subject | Visão por computador | - |
Palavras-chave: dc.subject | Inteligência artificial | - |
Palavras-chave: dc.subject | Solar panels | - |
Palavras-chave: dc.subject | Fault location (Engineering) | - |
Palavras-chave: dc.subject | Neural networks (Computer science) | - |
Palavras-chave: dc.subject | Embedded computer systems | - |
Palavras-chave: dc.subject | Computer algorithms | - |
Palavras-chave: dc.subject | Image processing | - |
Palavras-chave: dc.subject | Computer vision | - |
Palavras-chave: dc.subject | Artificial intelligence | - |
Palavras-chave: dc.subject | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA | - |
Palavras-chave: dc.subject | Engenharia Elétrica | - |
Título: dc.title | Dispositivo de borda baseado em rede neural convolucional para inspeção multiespectral de painéis fotovoltaicos | - |
Título: dc.title | Convolutional neural network based edge device for multispectral inspection of photovoltaic panels | - |
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: