Система выявления дефектов солнечных панелей с ИИ

Компания, специализирующаяся на техническом обслуживании, анализе состояния, поставке и перепродаже солнечных панелей, обратилась к нам со следующей проблемой: при транспортировке этих сложных и хрупких конструкций важно удостовериться в их исправности, так как любые скрытые дефекты могут значительно снизить производительность панелей и привести к убыткам.

Для подтверждения качества покупатели требуют снимки в специальном спектре, которые позволяют выявить мельчайшие дефекты ещё до отправки товара. Однако процесс изучения каждой панели занимает много времени, а нехватка квалифицированных специалистов лишь усугубляет ситуацию, приводит к задержкам в поставках и финансовым потерям.

Изначально для автоматизации этого процесса была привлечена команда разработчиков, которая попыталась внедрить систему на базе машинного зрения. Однако предложенное решение оказалось неэффективным, т.к увеличивало время обработки каждой панели до 30 минут и не обеспечивало должного качества анализа.

Наша команда предложила клиенту альтернативный подход. Он позволил значительно сократить время обработки панелей, а также выявил ключевую проблему - качество исходных данных для обучения модели.

ЗАДАЧА

Оптимизировать процесс диагностики солнечных панелей — ускорить обнаружение дефектов, исключить ошибки, связанные с человеческим фактором, и снизить временные и финансовые затраты.

Система состоит из нескольких модулей:

1) Загрузка снимков в электролюминесцентном спектре

2) Модуль системы распознавания

3) Модуль формирования отчётов

4) Десктоп и веб-приложения

И имеет следующий процесс работы: 

1) Загрузка данных

Клиенты могут выбирать и настраивать пакеты услуг через облачный веб-портал, создавая персонализированный интерфейс. Изображения включают серийные номера панелей и сделаны в специальном электролюминесцентном спектре, позволяющем выявить дефекты.

2) Предобработка данных

Система автоматически подготавливает изображения для анализа, устраняя шумы и улучшая качество изображений.

3) Анализ и детекция дефектов

Модель машинного обучения обрабатывает изображения, выявляя и классифицируя дефекты, такие как поломка контактов, ослабленная пайка, одиночные и перекрестные трещины. Обработка каждого изображения занимает около одной минуты благодаря оптимизации модели.

4) Формирование отчета

Система автоматически генерирует отчет, включающий детализированную информацию о выявленных дефектах

В отчете указываются типы и локализация дефектов, а также степень их серьезности.

5) Просмотр результатов

Специалисты могут просматривать автоматически размеченные панели через веб-интерфейс. Веб-интерфейс предоставляет удобные инструменты для анализа, включая подсветку дефектов и возможность масштабирования изображений.

6) Управление данными и отчетами

Система позволяет формировать детализированные отчеты, анализировать данные и принимать решения на основе полученной аналитики.

7) Оптимизация и улучшение модели

Система постоянно обучается на новых данных, полученных в результате краудсорсинговой разметки. Происходит регулярное обновление и тюнинг модели для повышения точности детекции и снижения времени обработки.

- Точность детекции дефектов >90%, в том числе и по отдельным классификациям: поломка контактов, ослабленная пайка, одиночные трещины, перекрестные трещины и т.д.

- Снижение времени на анализ и отчёт о повреждениях с 20 до 1 минуты

- Исключение человеческого фактора и снижение уровня погрешности при анализе солнечных модулей

- Повышение качества оказываемой услуги, возможность оперативно выявлять даже незаметные дефекты на солнечных панелях

- Сокращение логистических издержек в 2 раза