抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
大規模PVプラントの異常光起電力(PV)モジュールを経済的に同定するために,ドローン搭載赤外(IR)カメラと自動ビデオ処理アルゴリズムがしばしば用いられる。ほとんどの関連研究は異常モジュールの検出に焦点を合わせるが,プラント内のこれらのモジュールを自動的に局所化するためにはほとんどなされていない。本研究では,ビジュアルキューとドローンの測定したGPS軌跡に基づいて,プラントにおけるすべてのPVモジュールのジオ座標を自動的に得るために,インクリメンタル構造運動を利用した。さらに,各PVモジュールの多重IR画像を抽出した。提案手法を用いて,4つの大規模と1つの屋上プラントで35084モジュールの99.3%をマッピングし,2.2百万モジュール画像で抽出することに成功した。著者らの以前の研究と比較して,抽出は18倍少ないモジュール(140モジュール中1つ)を8つに誤った。さらに,2つまたは3つのプラント列を同時に処理することができ,モジュールスループットを増加させ,飛行期間を2.1および3.7倍減少させた。大規模プラントの1つの正確なオルソ写真との比較は,5.87mの推定モジュールジオ座標の二乗平均平方根誤差と0.22mから0.82mの各プラント列内の相対誤差をもたらした。最後に,モジュールジオ座標と抽出したIR画像を用いて,マップ上の深い学習分類器のモジュール温度と異常予測の分布を可視化する。温度分布は連結ストリングを同定するのを助ける一方,モジュール異常に対する検出精度が10の共通異常タイプのうち7つに対して,深い学習分類器のそれに達するか,あるいはそれを超えることを見出す。ソフトウェアをhttps://github.com/LukasBommes/PV Hawkで発表する。【JST・京大機械翻訳】