Mejora de la detección de defectos superficiales en paneles solares con modelos VGG basados en IA

Abstract

En los últimos años, la demanda de energía solar ha aumentado considerablemente. Esta creciente demanda ha creado la correspondiente necesidad de sistemas de paneles solares que no sólo demuestren eficiencia, sino que también garanticen fiabilidad. Sin embargo, el rendimiento y la durabilidad de los paneles solares pueden verse considerablemente afectados por diversos fallos, como defectos superficiales, grietas, puntos calientes y acumulaciones de polvo. Por ello, la detección precoz es crucial para garantizar el funcionamiento óptimo de los paneles solares. En este estudio, proponemos un sistema inteligente para detectar defectos superficiales en paneles solares utilizando los modelos de Visual Geometry Group (VGG). Se utiliza una cámara para capturar imágenes de paneles solares tanto en estado normal como defectuoso, estas imágenes se introducen posteriormente en el modelo VGG entrenado, que las analiza y procesa para identificar defectos en la superficie del panel solar. Los resultados experimentales muestran que el modelo VGG19 supera al modelo VGG16 en la detección de paneles solares defectuosos. VGG19 alcanzó una precisión del 80%, una recuperación del 1 y una puntuación F1 del 89%, mientras que VGG16 alcanzó una precisión del 79%, una recuperación del 92% y una puntuación F1 del 85%. Además, el sistema demostró una alta precisión para el VGG19 en la detección de paneles de superficie en su estado normal, mientras que para el VGG16 sólo alcanzó el 90%. Los resultados demuestran la capacidad del modelo VGG19 para detectar defectos superficiales en paneles solares basándose en el análisis visual.