人工智能是最近幾年紅遍各行業(yè)的標(biāo)簽,無(wú)論手機(jī)上越來(lái)越符合人們?nèi)の兜奈恼峦扑?,電視里Alpha Go與柯潔和李世石的高妙對(duì)決,還是無(wú)人駕駛汽車的快速發(fā)展,都讓人們驚異人工智能技術(shù)的突飛猛進(jìn)。
為加快檢測(cè)過(guò)程并提高準(zhǔn)確性,太陽(yáng)能電站運(yùn)營(yíng)商也正在轉(zhuǎn)向人工智能檢測(cè),他們使用的算法可以從圖像中自動(dòng)檢測(cè)太陽(yáng)能電池板缺陷。
01
什么是人工智能檢測(cè)?
傳統(tǒng)上,太陽(yáng)能農(nóng)場(chǎng)運(yùn)營(yíng)商會(huì)使用一組工人手動(dòng)檢查太陽(yáng)能電池板的缺陷。這個(gè)過(guò)程緩慢、昂貴并且不是很準(zhǔn)確。此外,維護(hù)訪問(wèn)非常昂貴,且對(duì)于整個(gè)太陽(yáng)能部署來(lái)說(shuō),每天執(zhí)行一次并不可能。
為了加快檢查過(guò)程并提高準(zhǔn)確性,太陽(yáng)能發(fā)電場(chǎng)運(yùn)營(yíng)商正在轉(zhuǎn)向人工智能檢查。這涉及使用可以從圖像中自動(dòng)檢測(cè)太陽(yáng)能電池板缺陷的算法。
這個(gè)過(guò)程比人工檢查更快、更準(zhǔn)確。此外,太陽(yáng)能發(fā)電場(chǎng)運(yùn)營(yíng)商可以在太陽(yáng)能發(fā)電場(chǎng)安裝之前以及在它們已經(jīng)投入運(yùn)行之后使用 AI 驅(qū)動(dòng)的檢查來(lái)識(shí)別有缺陷的面板。
02
人工智能驅(qū)動(dòng)的檢查如何工作?
太陽(yáng)能農(nóng)場(chǎng)可以通過(guò)幾種不同的方式部署人工智能檢測(cè)。最常見的方法是使用無(wú)人駕駛飛行器 (UAV) 或無(wú)人機(jī)。無(wú)人機(jī)為太陽(yáng)能農(nóng)場(chǎng)運(yùn)營(yíng)商提供了一種非接觸方式,可以使用航拍圖像對(duì)其太陽(yáng)能電池板進(jìn)行質(zhì)量控制。
太陽(yáng)能電池板
無(wú)人機(jī)在太陽(yáng)能農(nóng)場(chǎng)上收集的圖像可以通過(guò)云端或設(shè)備上的算法進(jìn)行處理。人工智能算法的結(jié)果將告訴質(zhì)量控制器哪些光伏面板有明顯的設(shè)備缺陷跡象。
通過(guò)使用自動(dòng)缺陷分類 AI,質(zhì)量控制人員可以在幾個(gè)小時(shí)內(nèi)完成對(duì)整個(gè)設(shè)施的調(diào)查,從而降低成本,而不是雇人數(shù)日進(jìn)行維護(hù)。此外,缺陷面板的自動(dòng)識(shí)別可以通過(guò)基于位置的標(biāo)記加快檢查時(shí)間,從而提高效率。
太陽(yáng)能電池板檢測(cè)中最常用的算法類型是深度學(xué)習(xí)算法。深度學(xué)習(xí)算法是一種機(jī)器學(xué)習(xí)算法,它使用神經(jīng)網(wǎng)絡(luò)來(lái)學(xué)習(xí)如何解決任務(wù)。神經(jīng)網(wǎng)絡(luò)由相互連接的層組成,可以學(xué)習(xí)如何從圖像中識(shí)別太陽(yáng)能電池板的缺陷。
這些深度學(xué)習(xí)網(wǎng)絡(luò)需要訓(xùn)練數(shù)據(jù),這些數(shù)據(jù)是標(biāo)記圖像的大型數(shù)據(jù)集。在許多情況下,太陽(yáng)能農(nóng)場(chǎng)運(yùn)營(yíng)商可以將這些標(biāo)記圖像提供給深度學(xué)習(xí)算法?;蛘?,人工智能供應(yīng)商可以提供這些現(xiàn)成的標(biāo)記圖像。
對(duì)于內(nèi)部方法,這是通過(guò)創(chuàng)建一個(gè)訓(xùn)練數(shù)據(jù)集來(lái)完成的,該數(shù)據(jù)集由包含太陽(yáng)能電池板缺陷的圖像和沒有太陽(yáng)能電池板缺陷的圖像組成。太陽(yáng)能農(nóng)場(chǎng)運(yùn)營(yíng)商將每個(gè)圖像標(biāo)記為有缺陷或無(wú)缺陷,以便神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)如何識(shí)別這兩種類型的面板。
一旦深度學(xué)習(xí)算法經(jīng)過(guò)訓(xùn)練,它就可以用來(lái)檢查從太陽(yáng)能農(nóng)場(chǎng)收集的圖像中的太陽(yáng)能電池板。神經(jīng)網(wǎng)絡(luò)將識(shí)別圖像中的任何太陽(yáng)能電池板缺陷并提供分類(有缺陷或無(wú)缺陷)。
03
人工智能檢測(cè)面臨的挑戰(zhàn)
雖然人工智能檢測(cè)為太陽(yáng)能電池板檢測(cè)提供了多項(xiàng)優(yōu)勢(shì),但仍有一些挑戰(zhàn)需要克服。
首先是訓(xùn)練數(shù)據(jù)的可用性。為了讓深度學(xué)習(xí)算法學(xué)習(xí)如何檢測(cè)太陽(yáng)能電池板的缺陷,它需要大量的標(biāo)記圖像數(shù)據(jù)集。這意味著太陽(yáng)能農(nóng)場(chǎng)運(yùn)營(yíng)商需要提供一組包含太陽(yáng)能電池板缺陷的太陽(yáng)能電池板圖像和一組沒有缺陷的太陽(yáng)能電池板圖像。
第二個(gè)挑戰(zhàn)是太陽(yáng)能電池板缺乏標(biāo)準(zhǔn)化。太陽(yáng)能農(nóng)場(chǎng)可以安裝數(shù)百甚至數(shù)千種不同類型和型號(hào)的太陽(yáng)能電池板——每個(gè)都有自己獨(dú)特的特性,如尺寸、形狀、顏色等。由于太陽(yáng)能電池板的特性在太陽(yáng)能農(nóng)場(chǎng)之間可能會(huì)有所不同,這可能會(huì)影響單個(gè)太陽(yáng)能電池板的性能。深度學(xué)習(xí)算法適用于多個(gè)太陽(yáng)能設(shè)施。
最后的挑戰(zhàn)在于檢查結(jié)果的模型準(zhǔn)確性。經(jīng)過(guò)訓(xùn)練以檢測(cè)太陽(yáng)能電池板缺陷的算法不會(huì) 100% 準(zhǔn)確。這意味著少數(shù)太陽(yáng)能電池板可能被錯(cuò)誤地歸類為有缺陷的。然而,通過(guò)使用多個(gè)深度學(xué)習(xí)模型(在不同的數(shù)據(jù)集上訓(xùn)練),可以將錯(cuò)誤分類的可能性降到最低。
04
人工智能的其他應(yīng)用場(chǎng)景
除電池和組件的生產(chǎn)過(guò)程中外,光伏系統(tǒng)的平衡系統(tǒng)中也有很多人工智能有潛力或者已經(jīng)在發(fā)揮作用的場(chǎng)景。跟蹤支架公司NEXTracker在今年推出了業(yè)內(nèi)首款的智能自適應(yīng)跟蹤控制系統(tǒng)TrueCapture,與根據(jù)時(shí)間和設(shè)定值進(jìn)行調(diào)整的跟蹤支架不同,這一系統(tǒng)可以通過(guò)機(jī)器學(xué)習(xí)算法根據(jù)實(shí)時(shí)的光照情況自動(dòng)調(diào)整支架到最佳的工作角度,從而增加跟蹤支架在復(fù)雜地貌和多云天氣時(shí)的發(fā)電量,同時(shí)降低安裝和部署時(shí)間。
除了生產(chǎn)之外,人們也在光伏產(chǎn)業(yè)鏈上的其他位置尋找人工智能技術(shù)的應(yīng)用場(chǎng)景。美國(guó)的一家創(chuàng)業(yè)公司PowerScout試圖使用人工智能技術(shù)幫助分布式光伏安裝商提高銷售。公司的首席執(zhí)行官Attila Toth 表示“目前太陽(yáng)能的銷售與上世紀(jì)60年代上門推銷吸塵器沒有什么區(qū)別,安裝商花費(fèi)在市場(chǎng)推廣上的成本可能比購(gòu)買光伏組件還要多。
零售、交通和金融領(lǐng)域都在經(jīng)歷著激動(dòng)人心的技術(shù)變革,我們也希望將這一技術(shù)引入戶用光伏市場(chǎng)的銷售中來(lái)。”而這里提到的技術(shù)就是依托大數(shù)據(jù)的精準(zhǔn)營(yíng)銷,一方面通過(guò)分析潛在用戶的屋頂和日照數(shù)據(jù),針對(duì)屋頂與光照資源匹配好的住戶進(jìn)行營(yíng)銷,提高轉(zhuǎn)化率。另一方面對(duì)感興趣的客戶使用算法即時(shí)給出的預(yù)評(píng)估報(bào)告,減少技術(shù)人員外勤次數(shù),降低成本。
原標(biāo)題:人工智能會(huì)“挑刺”:利用算法準(zhǔn)確識(shí)別太陽(yáng)能電池缺陷