TAILIEUCHUNG - Xây dựng hệ thống nhận dạng lỗi tự động của tấm pin năng lượng mặt trời

Bài viết Xây dựng hệ thống nhận dạng lỗi tự động của tấm pin năng lượng mặt trời trình bày về kỹ thuật xử lý ảnh và ứng dụng trong bài toán nhận dạng lỗi cho các tấm pin mặt trời, cụ thể sử dụng mang Yolov3 để nhận dạng lỗi. | Tuyển tập Hội nghị Khoa học thường niên năm 2021. ISBN 978-604-82-5957-0 XÂY DỰNG HỆ THỐNG NHẬN DẠNG LỖI TỰ ĐỘNG CỦA TẤM PIN NĂNG LƯỢNG MẶT TRỜI Lê Thị Hương Trường Đại học Thủy lợi 1. GIỚI THIỆU CHUNG Nguyên lý hoạt động của mạng yolo Đầu vào của mô hình là một ảnh mô hình sẽ nhận Các mô hình nhận dạng lỗi của tấm pin dạng ảnh đó có đối tượng nào hay không sau hiện nay chỉ phù hợp cho một hệ thống PV đó sẽ xác định tọa độ của đối tượng trong nhất định và chưa chỉ rõ vị trí bị lỗi trong hệ ảnh. Ảnh chia thành các ma trận ô vuông SxS thống. Để khắc phụ được nhược điểm đó bài S là tham số do người huấn luyện chỉ định báo này sẽ trình bày về kỹ thuật xử lý ảnh 1 và S có thể là 3 5 7 mỗi ô vuông bao và ứng dụng trong bài toán nhận dạng lỗi cho gồm một tập các thông tin mô hình phải dự các tấm pin mặt trời cụ thể sử dụng mang đoán. Yolov3 để nhận dạng lỗi. Như Hình 1 mạng yolo gồm có 24 lớp tích Thuật ngữ 1 chập và 2 lớp fully connected FC . Lớp tích chập 2 Lớp kết nối 3 Hình chữ nhật bao quanh đối tượng 4 Điểm phân loại 5 Điểm địa phương 6 Điểm tin cậy 7 Độ đo chính xác trung bình 8 Độ chính xác 9 Độ phủ 10 Dương tính thật 11 Dương tính giả FN Âm tính giả TN Âm tính thật. 2. PHƯƠNG PHÁP NGHIÊN CỨU Nhận dạng đối tượng là một kỹ thuật trong Hình 1. Kiến trúc mạng Yolo thị giác máy tính có chức năng nhận diện các Một vài lớp tích chập có kích thước 1 1 đối tượng có trong ảnh hoặc trong video. giảm độ phức tạp của các đặc trưng giúp mô Yolo là một mô hình mạng nơron CNN cho hình huấn luyện nhanh hơn. Đầu ra của mạng việc phát hiện nhận dạng phân loại đối là một tensor có kích thước 7 7 30 qua lớp tượng tạo ra từ việc kết hợp giữa fully connected để phân loại. convolutional layers 1 và connected layers 2 . Hàm mất mát có chức năng kiểm tra chất Trong đó các convolutional layers sẽ trích lượng đầu ra của mô hình so với nhãn đúng xuất ra các đặc trưng của ảnh còn full để từ đó điều chỉnh các hệ số trong quá trình connected layers sẽ dự đoán ra xác suất đó và huấn luyện. Yolo

• Năng lượng
• Mô hình nhận dạng lỗi
• Hệ thống nhận dạng lỗi tự động
• Tấm pin năng lượng mặt trời
• Kỹ thuật xử lý ảnh
• Bài toán nhận dạng lỗi
• Nhận dạng văn bản
• Mô hình ngôn ngữ
• Mô hình n gram
• Sửa lỗi nhận dạng văn bản tiếng Việt
• Thuật toán phát hiện lỗi nhận dạng văn bản
• Luận văn Thạc sĩ
• Luận văn Thạc sĩ Kỹ thuật điện
• Dây chuyền sản xuất beer
• Hệ thống nhận dạng chai bị lỗi
• Thao tác mô phỏng 3D trong LabVIEW
• Xây dựng mô hình nhận dạng chai bị lỗi
• Pin mặt trời
• Hình ảnh điện phát quang
• Mạng nơron tích chập
• Véctơ hỗ trợ máy học
• Mô hình deep learning
• Phân loại tấm pin mặt trời
• Mạng nơ ron tích chập
• Nhà máy điện mặt trời
• Mô đun năng lượng mặt trời
• Mô hình học máy