NHẬN DẠNG VẾT BẨN TRÊN PIN MẶT TRỜI

Abstract

Ngày nay việc sử dụng nguyên liệu hoá thạch trong sản xuất và đời sống gây ra hiệu ứng nhà kính ảnh hưởng xấu đến môi trường vì thế các nguồn năng lượng tái tạo đang dần được ưu tiên sử dụng trong đó có năng lượng mặt trời nhưng chưa mang lại hiệu quả cao. Nguyên nhân do các vết bẩn bám trên các tấm pin mà không được phát hiện sớm để tiến hành làm sạch, do đó việc phát hiện sớm các vết bẩn để tiến hành làm sạch các tấm pin sẽ góp phần cải thiện hiệu quả nguồn năng lượng từ pin mặt trời mang lại. Trong nghiên cứu này sử dụng 2 mô hình máy học YOLOV8 và Vision Transformer (ViT) để học và phân tích các dữ liệu hình ảnh đặt biệt là áp dụng vào bài toán phát hiện vết bẩn trên pin mặt trời. Mô hình huấn luyện với tập dữ liệu gồm 2562 ảnh với 2 nhãn: sạch và bẩn. Trong quá trình huấn luyện, kết quả thể hiện sự phù hợp của mô hình với bài toán phát hiện vết bẩn. Mô hình YOLO đạt độ chính xác 95.4% trên tập dữ liệu gốc, và sau khi tăng cường dữ liệu bằng các biến đổi màu sắc, độ chính xác tăng lên đến 97.2%. Mặt khác, mô hình Vision Transformer (ViT) đạt độ chính xác 64.2% trên tập dữ liệu gốc, và sau khi áp dụng phương pháp xoay lật để tăng cường dữ liệu, độ chính xác đạt 98.1%. Cả hai mô hình đều cho thấy khả năng phát triển và áp dụng trong các tình huống thực tế.