Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron

Este documento presenta el proceso de diseño de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad utilizando la metodología planteada en el libro diseño y desarrollo de productos de Ulrich y Eppinger, evidenciando el proceso desde la identificación de oportunida...

Full description

Autores:
Salazar Cárdenas, Daniel
Tipo de recurso:
Fecha de publicación:
2023
Institución:
Universidad Autónoma de Occidente
Repositorio:
RED: Repositorio Educativo Digital UAO
Idioma:
spa
OAI Identifier:
oai:red.uao.edu.co:10614/15196
Acceso en línea:
https://hdl.handle.net/10614/15196
https://red.uao.edu.co/
Palabra clave:
Panel fotovoltaico
Detección de suciedad
YOLOv7
Procesamiento de imágenes aéreas
Photovoltaic panel
Soiling detection
YOLOv7
Aerial image processing
Rights
openAccess
License
Derechos reservados - Universidad Autónoma de Occidente, 2023
id REPOUAO2_7111e866fe2a6e29d4fc8e9af1c23f0c
oai_identifier_str oai:red.uao.edu.co:10614/15196
network_acronym_str REPOUAO2
network_name_str RED: Repositorio Educativo Digital UAO
repository_id_str
dc.title.spa.fl_str_mv Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron
title Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron
spellingShingle Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron
Panel fotovoltaico
Detección de suciedad
YOLOv7
Procesamiento de imágenes aéreas
Photovoltaic panel
Soiling detection
YOLOv7
Aerial image processing
title_short Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron
title_full Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron
title_fullStr Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron
title_full_unstemmed Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron
title_sort Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron
dc.creator.fl_str_mv Salazar Cárdenas, Daniel
dc.contributor.advisor.none.fl_str_mv Perafán Villota, Juan Carlos
dc.contributor.author.none.fl_str_mv Salazar Cárdenas, Daniel
dc.contributor.corporatename.none.fl_str_mv Universidad Autónoma de Occidente
dc.contributor.jury.none.fl_str_mv Castillo, Javier Ferney
Pincay, Jorge Luis
dc.subject.proposal.spa.fl_str_mv Panel fotovoltaico
Detección de suciedad
YOLOv7
Procesamiento de imágenes aéreas
topic Panel fotovoltaico
Detección de suciedad
YOLOv7
Procesamiento de imágenes aéreas
Photovoltaic panel
Soiling detection
YOLOv7
Aerial image processing
dc.subject.proposal.eng.fl_str_mv Photovoltaic panel
Soiling detection
YOLOv7
Aerial image processing
description Este documento presenta el proceso de diseño de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad utilizando la metodología planteada en el libro diseño y desarrollo de productos de Ulrich y Eppinger, evidenciando el proceso desde la identificación de oportunidades hasta la prueba de concepto seleccionado, un dron que toma imágenes aéreas, las transmite a un servidor en la nube que las procesa mediante la arquitectura YOLOv7 y presenta los resultados mediante una interfaz web. Como parte del proceso estructurado se alcanzaron diferentes milestones representados en los objetivos específicos del proyecto, la selección de la arquitectura, la puesta a punto del hardware local y en la nube necesario, la generación del dataset, la creación de un algoritmo para referenciar la ubicación de los paneles identificados, la creación de una plataforma de visualización basada en react y nodejs para finalmente presentar un conjunto de pruebas sobre la arquitectura planteada. Estas pruebas consistieron en la creación de un video que simuló el vuelo del dron realizando un recorrido en una ruta donde una cámara graba paneles limpios y sucios, para posteriormente ejecutar el proceso de detección y observar los resultados en la plataforma web, al igual que pruebas en vuelos reales en un ambiente controlado, realizando una transmisión en tiempo real de la imagen de la cámara que fue procesada por el servidor web. De estas pruebas se obtuvo una incidencia de falsos positivos inferior al 2% en 91 detecciones provenientes de la transmisión en tiempo real (RTMP), y una incertidumbre de 3 metros en la ubicación del panel detectado. Resultados que muestran el correcto funcionamiento del sistema creado y abren la puerta a futuros desarrollos para mejorar su capacidad de ubicación
publishDate 2023
dc.date.available.none.fl_str_mv 2023-11-22
2024-02-06T14:18:16Z
dc.date.issued.none.fl_str_mv 2023-11-22
dc.date.accessioned.none.fl_str_mv 2024-02-06T14:18:16Z
dc.type.spa.fl_str_mv Trabajo de grado - Maestría
dc.type.coarversion.fl_str_mv http://purl.org/coar/version/c_970fb48d4fbd8a85
dc.type.content.none.fl_str_mv Text
dc.type.driver.none.fl_str_mv info:eu-repo/semantics/masterThesis
dc.type.redcol.none.fl_str_mv http://purl.org/redcol/resource_type/TM
dc.type.version.none.fl_str_mv info:eu-repo/semantics/publishedVersion
status_str publishedVersion
dc.identifier.citation.spa.fl_str_mv Salazar Cárdenas, D. (2023). Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15196
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/10614/15196
dc.identifier.instname.spa.fl_str_mv Universidad Autónoma de Occidente
dc.identifier.reponame.spa.fl_str_mv Repositorio Educatio Digital
dc.identifier.repourl.none.fl_str_mv https://red.uao.edu.co/
identifier_str_mv Salazar Cárdenas, D. (2023). Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15196
Universidad Autónoma de Occidente
Repositorio Educatio Digital
url https://hdl.handle.net/10614/15196
https://red.uao.edu.co/
dc.language.iso.spa.fl_str_mv spa
language spa
dc.relation.references.none.fl_str_mv AgEagle. (2018). Increasing Solar Inspection Efficiency with Drones. 1–2. https://2931200.fs1.hubspotusercontentna1.net/hubfs/2931200/PDF%20Resources/DEPCOM_Solar_CaseStudy_final.pdf
AgEagle. (2020). Drones in Solar Operation. https://ageagle.com/drones-in-solar-operations
Alfaro-Mejía, E., Loaiza-Correa, H., Franco-Mejía, E., Restrepo-Girón, A. D., y NopeRodríguez, S. E. (2019). Dataset for recognition of snail trails and hot spot failures in monocrystalline Si solar panels. Data in Brief, 26, 1–6. https://doi.org/10.1016/j.dib.2019.104441
Assouline, D., Mohajeri, N., y Scartezzini, J. L. (2018). Large-scale rooftop solar photovoltaic technical potential estimation using Random Forests. Applied Energy, 217, 189–211. https://doi.org/10.1016/j.apenergy.2018.02.118
Vega Díaz, J. J., Vlaminck, M., Lefkaditis, D., Orjuela Vargas, S. A., y Luong, H. (2020). Solar panel detection within complex backgrounds using thermal images acquired by uavs. Sensors (Switzerland), 20(21), 1–16. https://doi.org/10.3390/s20216219
DJI. (2020). Mavic Air 2 User Manual v1.4. https://dl.djicdn.com/downloads/Mavic_Air_2/Mavic_Air_2_User_Manual_v1.4_en.pdf International Energy Agency. (2022). Soiling Losses-Impact on the Performance of Photovoltaic Power Plants 2022. https://iea-pvps.org/research-tasks/performanceoperationIoannou,
L. G., Tsoutsoubi, L., Mantzios, K., Gkikas, G., Piil, J. F., Dinas, P. C., Notley, S. R., Kenny, G. P., Nybo, L., y Flouris, A. D. (2021). The impacts of sun exposure on worker physiology and cognition: Multi-country evidence and interventions. International Journal of Environmental Research and Public Health, 18(14). https://doi.org/10.3390/ijerph18147698
IRENA. (2019). Future of solar photovoltaic: Deployment, investment, technology, grid integration and socio-economic aspects (A Global Energy Transformation: paper). International Renewable Energy Agency. https://www.irena.org/- /media/Files/IRENA/Agency/Publication/2019/Oct/IRENA_Future_of_wind_2019.pdf
IRENA. (2023). Renewable capacity statics 2023. International Renewable Energy Agency. https://mc-cd8320d4-36a1-40ac-83cc-3389-cdn-endpoint.azureedge.net/-/media/Files/IRENA/Agency/Publication/2023/Mar/IRENA_RE_Capacity_Statistics_2023. pdf?rev=d2949151ee6a4625b65c82881403c2a
Jacobson, M. Z., y Delucchi, M. A. (2011). Providing all global energy with wind, water, and solar power, Part I: Technologies, energy resources, quantities and areas of infrastructure, and materials. Energy Policy, 39, 1154–1169. https://doi.org/10.1016/j.enpol.2010.11.040
Kimber, A., Mitchell, L., Nogradi, S., y Wenger, H. (2006). The effect of soiling on large gridconnected photovoltaic systems in California and the Southwest Region of the United States. Conference Record of the 2006 IEEE 4th World Conference on Photovoltaic Energy Conversion, 2391–2395. https://doi.org/10.1109/WCPEC.2006.279690
Kumar, N. M., Sudhakar, K., Samykano, M., y Jayaseelan, V. (2018). On the technologies empowering drones for intelligent monitoring of solar photovoltaic power plants. Procedia Computer Science, 133, 585–593. https://doi.org/10.1016/j.procs.2018.07.087
Lee, H.-Y. (2014). Generation of Photo-Mosaic Images through Block Matching and Color Adjustment. International Journal of Computer, Electrical, Automation, Control and Information Engineering, 8(3), 457–460. https://waset.org/publications/9997759/generation-of-photo-mosaic-images-throughblock-matching-and-color-adjustment
Lopez-Lorente, J., Polo, J., Martín-Chivelet, N., Norton, M., Livera, A., Makrides, G., y Georghiou, G. E. (2023). Characterizing soiling losses for photovoltaic systems in dry climates: A case study in Cyprus. Solar Energy, 255, 243–256. https://doi.org/10.1016/J.SOLENER.2023.03.034
Maghami, M. R., Hizam, H., Gomes, C., Radzi, M. A., Rezadad, M. I., y Hajighorbani, S. (2016). Power loss due to soiling on solar panel: A review. Renewable and Sustainable Energy Reviews, 59, 1307–1316. https://doi.org/10.1016/j.rser.2016.01.044
Maslow, A. H. (1943). A theory of human motivation. Psychological Review, 50(4), 370–396. https://doi.org/10.1037/h0054346
Mehta, S., Azad, A. P., Chemmengath, S. A., Raykar, V., y Kalyanaraman, S. (2018). DeepSolarEye: Power Loss Prediction and Weakly Supervised Soiling Localization via Fully Convolutional Networks for Solar Panels. Proceedings - 2018 IEEE Winter Conference on Applications of Computer Vision, WACV 2018, 2018-Janua, 333–342. https://doi.org/10.1109/WACV.2018.00043
Organización de las Naciones Unidas (ONU). (2015). Acuerdo de París. https://www.un.org/en/climatechange/paris-agreement
Solar Energy Industries Association (SEIA). (2023). U. S. Solar market insight 2023 Q3 executive summary. https://www.seia.org/research-resources/solar-market-insight-report2023-q3
SolarPower Europe. (2021). Operation & Maintenance Best Practices Guidelines. https://www.solarpowereurope.org/insights/thematic-reports/o-and-m-best-practiceguidelines-version-5-0
Proietti, A., Leccese, F., Caciotta, M., Morresi, F., Santamaria, U., y Malomo, C. (2014). A new dusts sensor for cultural heritage applications based on image processing. Sensors (Switzerland), 14(6), 9813–9832. https://doi.org/10.3390/s140609813
Redmon, J., Divvala, S., Girshick, R., y Farhadi, A. (2016). You Only Look Once: Unified, RealTime Object Detection. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) http://arxiv.org/abs/1506.02640
Salahat, E., Asselineau, C. A., Coventry, J., y Mahony, R. (2019). Waypoint Planning for Autonomous Aerial Inspection of Large-Scale Solar Farms. IECON Proceedings (Industrial Electronics Conference), 2019-Octob, 763–769. https://doi.org/10.1109/IECON.2019.8927123
Sanyal, S., Bhushan, S., y Sivayazi, K. (2020). Detection and location estimation of object in unmanned aerial vehicle using single camera and GPS. 2020 1st International Conference on Power, Control and Computing Technologies, ICPC2T 2020, 73–78. https://doi.org/10.1109/ICPC2T48082.2020.9071439
Sheraz, M., y Abido, M. A. (2012). An efficient MPPT controller using differential evolution and neural network. PECon 2012 - 2012 IEEE International Conference on Power and Energy, December 2012, 378–383. https://doi.org/10.1109/PECon.2012.6450241
Singh, V., Singh, T. N., y Singh, V. (2011). Image processing applications for customized mining and ore classification. Arabian Journal of Geosciences, 4(7–8), 1163–1171. https://doi.org/10.1007/s12517-010-0125-2
S&P. (2023). S&P Global Commodity Insights 10 Cleantech Trends in 2023. https://commodityinsights.spglobal.com/rs/325-KYL599/images/10%20Cleantech%20Trends%20in%202023%20Whitepaper.pdf
Trigkakis, D., Petrakis, G., Tripolitsiotis, A., y Partsinevelos, P. (2020). Automated Geolocation in Urban Environments Using a Simple Camera-Equipped Unmanned Aerial Vehicle: A Rapid Mapping Surveying Alternative? ISPRS International Journal of Geo-Information, 9(7). https://doi.org/10.3390/ijgi9070425
Ulrich, K. T., y Eppinger, S. D. (2013). Diseño y desarrollo de productos. McGraw Hill.
Wang, C.-Y., Bochkovskiy, A., y Liao, H.-Y. M. (2022). YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors. http://arxiv.org/abs/2207.02696
WongKinYiu, y AlexeyAB. (mayo 30 de 2023). YOLOv7. Github. https://github.com/WongKinYiu/yolov7
Yap, W. K., Galet, R., y Yeo, K. C. (2015). Quantitative Analysis of Dust and Soiling on Solar PV Panels in the Tropics Utilizing Image-Processing Methods. 2015 Asia-Pacific Solar Research Conference, 2015. https://apvi.org.au/solar-research-conference/wpcontent/uploads/2015/12/W-K-Yap_Peer-Reviewed_FINAL.pdf
dc.rights.spa.fl_str_mv Derechos reservados - Universidad Autónoma de Occidente, 2023
dc.rights.coar.fl_str_mv http://purl.org/coar/access_right/c_abf2
dc.rights.uri.none.fl_str_mv https://creativecommons.org/licenses/by-nc-nd/4.0/
dc.rights.accessrights.eng.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.creativecommons.none.fl_str_mv Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
rights_invalid_str_mv Derechos reservados - Universidad Autónoma de Occidente, 2023
https://creativecommons.org/licenses/by-nc-nd/4.0/
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)
http://purl.org/coar/access_right/c_abf2
eu_rights_str_mv openAccess
dc.format.extent.spa.fl_str_mv 104 páginas
dc.format.mimetype.none.fl_str_mv application/pdf
dc.publisher.spa.fl_str_mv Universidad Autónoma de Occidente
dc.publisher.program.spa.fl_str_mv Maestría en Ingeniería de Desarrollo de Productos
dc.publisher.faculty.spa.fl_str_mv Facultad de Ingeniería
dc.publisher.place.spa.fl_str_mv Cali
institution Universidad Autónoma de Occidente
bitstream.url.fl_str_mv https://red.uao.edu.co/bitstreams/df9de76c-8586-4441-bcb8-eb0d56bc6fd2/download
https://red.uao.edu.co/bitstreams/b97e6270-3949-4dff-bf05-cabd91ae550b/download
https://red.uao.edu.co/bitstreams/bbb23fe5-6ca5-4ea9-8587-a383bfa5c2cd/download
https://red.uao.edu.co/bitstreams/bd86df5f-9dae-4f41-a048-69f6e7f63d50/download
https://red.uao.edu.co/bitstreams/eb1b575a-b6fb-469c-83a0-6bb378a9eb2e/download
https://red.uao.edu.co/bitstreams/25ced0f7-fbf7-4f42-8999-0d42a5de7820/download
https://red.uao.edu.co/bitstreams/ad97d40a-e11e-41bd-b857-9700214d2fbc/download
bitstream.checksum.fl_str_mv 60a505c52c4e828e3e6918c4e298aaaf
efc6e576218b4000b3ca026f45b0b1a2
20b5ba22b1117f71589c7318baa2c560
4563e2eb8a1568b624483d61f7a48c4c
8edc2bc1a85a9eb70730c5ecb8034c5c
a8d5a3fc6c7be1bcdf2647d6b24331eb
7661b19462cd7617dfd44acbba47edec
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Digital Universidad Autonoma de Occidente
repository.mail.fl_str_mv repositorio@uao.edu.co
_version_ 1814260024610914304
spelling Perafán Villota, Juan Carlosvirtual::4120-1Salazar Cárdenas, DanielUniversidad Autónoma de OccidenteCastillo, Javier FerneyPincay, Jorge Luis2024-02-06T14:18:16Z2023-11-222024-02-06T14:18:16Z2023-11-22Salazar Cárdenas, D. (2023). Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron. (Tesis). Universidad Autónoma de Occidente. Cali. Colombia. https://hdl.handle.net/10614/15196https://hdl.handle.net/10614/15196Universidad Autónoma de OccidenteRepositorio Educatio Digitalhttps://red.uao.edu.co/Este documento presenta el proceso de diseño de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad utilizando la metodología planteada en el libro diseño y desarrollo de productos de Ulrich y Eppinger, evidenciando el proceso desde la identificación de oportunidades hasta la prueba de concepto seleccionado, un dron que toma imágenes aéreas, las transmite a un servidor en la nube que las procesa mediante la arquitectura YOLOv7 y presenta los resultados mediante una interfaz web. Como parte del proceso estructurado se alcanzaron diferentes milestones representados en los objetivos específicos del proyecto, la selección de la arquitectura, la puesta a punto del hardware local y en la nube necesario, la generación del dataset, la creación de un algoritmo para referenciar la ubicación de los paneles identificados, la creación de una plataforma de visualización basada en react y nodejs para finalmente presentar un conjunto de pruebas sobre la arquitectura planteada. Estas pruebas consistieron en la creación de un video que simuló el vuelo del dron realizando un recorrido en una ruta donde una cámara graba paneles limpios y sucios, para posteriormente ejecutar el proceso de detección y observar los resultados en la plataforma web, al igual que pruebas en vuelos reales en un ambiente controlado, realizando una transmisión en tiempo real de la imagen de la cámara que fue procesada por el servidor web. De estas pruebas se obtuvo una incidencia de falsos positivos inferior al 2% en 91 detecciones provenientes de la transmisión en tiempo real (RTMP), y una incertidumbre de 3 metros en la ubicación del panel detectado. Resultados que muestran el correcto funcionamiento del sistema creado y abren la puerta a futuros desarrollos para mejorar su capacidad de ubicaciónThis document presents the design process of an automatic photovoltaic panel soiling detection system using the methodology exposed in Product design and development book by Ulrich and Eppinger, showing the process since the identification of opportunities until the tests applied to the selected concept, a drone taking aerial images streamed through rtmp protocol to a web server which processes them with the YOLOv7 architecture and presents the results on a web application. As part of the structured process different milestones were achieved, those were represented by the project specific objectives, the architecture selection, the local and cloud hardware fine tuning, the dataset generation, the creation of an algorithm to reference the location of the photovoltaic panels detected as soiled, the creation of a web application based on react and nodejs and finally, the tests to the concept. These tests encompassed the synthetic video generation simulating a drone's trajectory, during which the integrated camera captured both clean and dusty panels. Following this, we executed the detection process and displayed the results on the web application. Furthermore, we conducted a second test involving actual flights within a controlled environment, where the web server processed the RTMP transmission using the YOLOv7 model and a location algorithm. The test outcomes revealed a false positive rate of less than 2% among 91 detections stemming from Real-Time Messaging Protocol (RTMP) transmissions, with a localization uncertainty of approximately 3 meters when pinpointing the contaminated panel. Those results show a good behavior of the system and open a door to create further developments to improve the ability of the system to locate the panelsTesis (Magister en Ingeniería de Desarrollo de Productos)-- Universidad Autónoma de Occidente, 2023MaestríaMagíster en Ingeniería de Desarrollo de Productos104 páginasapplication/pdfspaUniversidad Autónoma de OccidenteMaestría en Ingeniería de Desarrollo de ProductosFacultad de IngenieríaCaliDerechos reservados - Universidad Autónoma de Occidente, 2023https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dronTrabajo de grado - MaestríaTextinfo:eu-repo/semantics/masterThesishttp://purl.org/redcol/resource_type/TMinfo:eu-repo/semantics/publishedVersionhttp://purl.org/coar/version/c_970fb48d4fbd8a85AgEagle. (2018). Increasing Solar Inspection Efficiency with Drones. 1–2. https://2931200.fs1.hubspotusercontentna1.net/hubfs/2931200/PDF%20Resources/DEPCOM_Solar_CaseStudy_final.pdfAgEagle. (2020). Drones in Solar Operation. https://ageagle.com/drones-in-solar-operationsAlfaro-Mejía, E., Loaiza-Correa, H., Franco-Mejía, E., Restrepo-Girón, A. D., y NopeRodríguez, S. E. (2019). Dataset for recognition of snail trails and hot spot failures in monocrystalline Si solar panels. Data in Brief, 26, 1–6. https://doi.org/10.1016/j.dib.2019.104441Assouline, D., Mohajeri, N., y Scartezzini, J. L. (2018). Large-scale rooftop solar photovoltaic technical potential estimation using Random Forests. Applied Energy, 217, 189–211. https://doi.org/10.1016/j.apenergy.2018.02.118Vega Díaz, J. J., Vlaminck, M., Lefkaditis, D., Orjuela Vargas, S. A., y Luong, H. (2020). Solar panel detection within complex backgrounds using thermal images acquired by uavs. Sensors (Switzerland), 20(21), 1–16. https://doi.org/10.3390/s20216219DJI. (2020). Mavic Air 2 User Manual v1.4. https://dl.djicdn.com/downloads/Mavic_Air_2/Mavic_Air_2_User_Manual_v1.4_en.pdf International Energy Agency. (2022). Soiling Losses-Impact on the Performance of Photovoltaic Power Plants 2022. https://iea-pvps.org/research-tasks/performanceoperationIoannou,L. G., Tsoutsoubi, L., Mantzios, K., Gkikas, G., Piil, J. F., Dinas, P. C., Notley, S. R., Kenny, G. P., Nybo, L., y Flouris, A. D. (2021). The impacts of sun exposure on worker physiology and cognition: Multi-country evidence and interventions. International Journal of Environmental Research and Public Health, 18(14). https://doi.org/10.3390/ijerph18147698IRENA. (2019). Future of solar photovoltaic: Deployment, investment, technology, grid integration and socio-economic aspects (A Global Energy Transformation: paper). International Renewable Energy Agency. https://www.irena.org/- /media/Files/IRENA/Agency/Publication/2019/Oct/IRENA_Future_of_wind_2019.pdfIRENA. (2023). Renewable capacity statics 2023. International Renewable Energy Agency. https://mc-cd8320d4-36a1-40ac-83cc-3389-cdn-endpoint.azureedge.net/-/media/Files/IRENA/Agency/Publication/2023/Mar/IRENA_RE_Capacity_Statistics_2023. pdf?rev=d2949151ee6a4625b65c82881403c2aJacobson, M. Z., y Delucchi, M. A. (2011). Providing all global energy with wind, water, and solar power, Part I: Technologies, energy resources, quantities and areas of infrastructure, and materials. Energy Policy, 39, 1154–1169. https://doi.org/10.1016/j.enpol.2010.11.040Kimber, A., Mitchell, L., Nogradi, S., y Wenger, H. (2006). The effect of soiling on large gridconnected photovoltaic systems in California and the Southwest Region of the United States. Conference Record of the 2006 IEEE 4th World Conference on Photovoltaic Energy Conversion, 2391–2395. https://doi.org/10.1109/WCPEC.2006.279690Kumar, N. M., Sudhakar, K., Samykano, M., y Jayaseelan, V. (2018). On the technologies empowering drones for intelligent monitoring of solar photovoltaic power plants. Procedia Computer Science, 133, 585–593. https://doi.org/10.1016/j.procs.2018.07.087Lee, H.-Y. (2014). Generation of Photo-Mosaic Images through Block Matching and Color Adjustment. International Journal of Computer, Electrical, Automation, Control and Information Engineering, 8(3), 457–460. https://waset.org/publications/9997759/generation-of-photo-mosaic-images-throughblock-matching-and-color-adjustmentLopez-Lorente, J., Polo, J., Martín-Chivelet, N., Norton, M., Livera, A., Makrides, G., y Georghiou, G. E. (2023). Characterizing soiling losses for photovoltaic systems in dry climates: A case study in Cyprus. Solar Energy, 255, 243–256. https://doi.org/10.1016/J.SOLENER.2023.03.034Maghami, M. R., Hizam, H., Gomes, C., Radzi, M. A., Rezadad, M. I., y Hajighorbani, S. (2016). Power loss due to soiling on solar panel: A review. Renewable and Sustainable Energy Reviews, 59, 1307–1316. https://doi.org/10.1016/j.rser.2016.01.044Maslow, A. H. (1943). A theory of human motivation. Psychological Review, 50(4), 370–396. https://doi.org/10.1037/h0054346Mehta, S., Azad, A. P., Chemmengath, S. A., Raykar, V., y Kalyanaraman, S. (2018). DeepSolarEye: Power Loss Prediction and Weakly Supervised Soiling Localization via Fully Convolutional Networks for Solar Panels. Proceedings - 2018 IEEE Winter Conference on Applications of Computer Vision, WACV 2018, 2018-Janua, 333–342. https://doi.org/10.1109/WACV.2018.00043Organización de las Naciones Unidas (ONU). (2015). Acuerdo de París. https://www.un.org/en/climatechange/paris-agreementSolar Energy Industries Association (SEIA). (2023). U. S. Solar market insight 2023 Q3 executive summary. https://www.seia.org/research-resources/solar-market-insight-report2023-q3SolarPower Europe. (2021). Operation & Maintenance Best Practices Guidelines. https://www.solarpowereurope.org/insights/thematic-reports/o-and-m-best-practiceguidelines-version-5-0Proietti, A., Leccese, F., Caciotta, M., Morresi, F., Santamaria, U., y Malomo, C. (2014). A new dusts sensor for cultural heritage applications based on image processing. Sensors (Switzerland), 14(6), 9813–9832. https://doi.org/10.3390/s140609813Redmon, J., Divvala, S., Girshick, R., y Farhadi, A. (2016). You Only Look Once: Unified, RealTime Object Detection. 2016 IEEE Conference on Computer Vision and Pattern Recognition (CVPR) http://arxiv.org/abs/1506.02640Salahat, E., Asselineau, C. A., Coventry, J., y Mahony, R. (2019). Waypoint Planning for Autonomous Aerial Inspection of Large-Scale Solar Farms. IECON Proceedings (Industrial Electronics Conference), 2019-Octob, 763–769. https://doi.org/10.1109/IECON.2019.8927123Sanyal, S., Bhushan, S., y Sivayazi, K. (2020). Detection and location estimation of object in unmanned aerial vehicle using single camera and GPS. 2020 1st International Conference on Power, Control and Computing Technologies, ICPC2T 2020, 73–78. https://doi.org/10.1109/ICPC2T48082.2020.9071439Sheraz, M., y Abido, M. A. (2012). An efficient MPPT controller using differential evolution and neural network. PECon 2012 - 2012 IEEE International Conference on Power and Energy, December 2012, 378–383. https://doi.org/10.1109/PECon.2012.6450241Singh, V., Singh, T. N., y Singh, V. (2011). Image processing applications for customized mining and ore classification. Arabian Journal of Geosciences, 4(7–8), 1163–1171. https://doi.org/10.1007/s12517-010-0125-2S&P. (2023). S&P Global Commodity Insights 10 Cleantech Trends in 2023. https://commodityinsights.spglobal.com/rs/325-KYL599/images/10%20Cleantech%20Trends%20in%202023%20Whitepaper.pdfTrigkakis, D., Petrakis, G., Tripolitsiotis, A., y Partsinevelos, P. (2020). Automated Geolocation in Urban Environments Using a Simple Camera-Equipped Unmanned Aerial Vehicle: A Rapid Mapping Surveying Alternative? ISPRS International Journal of Geo-Information, 9(7). https://doi.org/10.3390/ijgi9070425Ulrich, K. T., y Eppinger, S. D. (2013). Diseño y desarrollo de productos. McGraw Hill.Wang, C.-Y., Bochkovskiy, A., y Liao, H.-Y. M. (2022). YOLOv7: Trainable bag-of-freebies sets new state-of-the-art for real-time object detectors. http://arxiv.org/abs/2207.02696WongKinYiu, y AlexeyAB. (mayo 30 de 2023). YOLOv7. Github. https://github.com/WongKinYiu/yolov7Yap, W. K., Galet, R., y Yeo, K. C. (2015). Quantitative Analysis of Dust and Soiling on Solar PV Panels in the Tropics Utilizing Image-Processing Methods. 2015 Asia-Pacific Solar Research Conference, 2015. https://apvi.org.au/solar-research-conference/wpcontent/uploads/2015/12/W-K-Yap_Peer-Reviewed_FINAL.pdfPanel fotovoltaicoDetección de suciedadYOLOv7Procesamiento de imágenes aéreasPhotovoltaic panelSoiling detectionYOLOv7Aerial image processingComunidad generalPublicationhttps://scholar.google.com/citations?user=MW2zbLAAAAAJ&hl=envirtual::4120-10000-0002-7275-9839virtual::4120-1https://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0000637769virtual::4120-1286553f4-3942-4404-9123-b85ee6e69330virtual::4120-1286553f4-3942-4404-9123-b85ee6e69330virtual::4120-1ORIGINALT10888_Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron.pdfT10888_Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron.pdfArchivo texto completo del trabajo de gradoapplication/pdf2035601https://red.uao.edu.co/bitstreams/df9de76c-8586-4441-bcb8-eb0d56bc6fd2/download60a505c52c4e828e3e6918c4e298aaafMD51TA10888_Autorización trabajo de grado.pdfTA10888_Autorización trabajo de grado.pdfAutorización publicación del trabajo de gradoapplication/pdf1011203https://red.uao.edu.co/bitstreams/b97e6270-3949-4dff-bf05-cabd91ae550b/downloadefc6e576218b4000b3ca026f45b0b1a2MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-81665https://red.uao.edu.co/bitstreams/bbb23fe5-6ca5-4ea9-8587-a383bfa5c2cd/download20b5ba22b1117f71589c7318baa2c560MD53TEXTT10888_Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron.pdf.txtT10888_Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron.pdf.txtExtracted texttext/plain101543https://red.uao.edu.co/bitstreams/bd86df5f-9dae-4f41-a048-69f6e7f63d50/download4563e2eb8a1568b624483d61f7a48c4cMD54TA10888_Autorización trabajo de grado.pdf.txtTA10888_Autorización trabajo de grado.pdf.txtExtracted texttext/plain5060https://red.uao.edu.co/bitstreams/eb1b575a-b6fb-469c-83a0-6bb378a9eb2e/download8edc2bc1a85a9eb70730c5ecb8034c5cMD56THUMBNAILT10888_Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron.pdf.jpgT10888_Desarrollo de un sistema para la detección automática de paneles fotovoltaicos afectados por suciedad mediante imágenes aéreas provenientes de un dron.pdf.jpgGenerated Thumbnailimage/jpeg6328https://red.uao.edu.co/bitstreams/25ced0f7-fbf7-4f42-8999-0d42a5de7820/downloada8d5a3fc6c7be1bcdf2647d6b24331ebMD55TA10888_Autorización trabajo de grado.pdf.jpgTA10888_Autorización trabajo de grado.pdf.jpgGenerated Thumbnailimage/jpeg14219https://red.uao.edu.co/bitstreams/ad97d40a-e11e-41bd-b857-9700214d2fbc/download7661b19462cd7617dfd44acbba47edecMD5710614/15196oai:red.uao.edu.co:10614/151962024-03-13 11:42:19.842https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos reservados - Universidad Autónoma de Occidente, 2023open.accesshttps://red.uao.edu.coRepositorio Digital Universidad Autonoma de Occidenterepositorio@uao.edu.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

Publicaciones similares