Беспилотник с техническим зрением и нейронная сеть

Ученые СевГУ помогут контролировать солнечные станции.

Доцент кафедры «Возобновляемые источники энергии и электрические системы и сети» Павел Кузнецов совместно с аспирантом Дмитрием Котельниковым разрабатывает автоматизированный комплекс для мониторинга и диагностики фотоэлектрических модулей, используя беспилотный летательный аппарат, оснащенный современным техническим зрением, и нейронную сеть. Работа ведется в рамках гранта Фонда содействия инновациям.

«Решение позволит в автоматическом режиме находить затененные либо поврежденные модули и наносить их на карту солнечной электростанции для того, чтобы оперативная выездная бригада могла быстро устранять повреждения»,—рассказал Павел Кузнецов.
Облеты станции должны проводиться не менее одного раза в месяц. Коптер по полетному заданию выполняет движение над фотоэлектрическими модулями, после облета сбрасывает видеоматериал на сервер, где его обрабатывает нейронная сеть: производит синхронизацию лога с трекера GPS и лога записанного материала.
«Для того чтобы облететь всю станцию, вылеты нужно делать в течение недели, учитывая подходящие погодные условия. После обнаружения поврежденного модуля происходит синхронизация по времени, и эта геометка появляется на карте у диспетчера солнечной электростанции. Далее специалисты выезжают на локацию и производят замену модулей»,—пояснил Кузнецов.
Для создания автоматизированного комплекса по диагностике промышленных СЭС взят обычный беспилотный летательный аппарат коптерного типа, на него установлен маячок, снимающий GPS-маркеры полета. Уникальность разработки ученых заключается в обучении нейронной сети для обработки видеоматериала.
«В основном я занимался разработкой программной части: нейронной сети и интерактивной карты. Для мониторинга мы используем сверхточную нейронную сеть архитектуры Inception-v2, она хороша по точности и нересурсоемкая, предполагает мягкие требования к железу»,—рассказал Дмитрий Котельников.
По словам ученых, существует несколько технологий обучения нейронной сети, в проекте используется методика «Обучение с учителем».