25、基于边缘AI的太阳能电池空中监测系统解析

基于边缘AI的太阳能电池空中监测系统解析

1. 机器学习类型

机器学习（ML）主要分为三种类型：
- 无监督学习：具备找出各种模式的能力，即识别测试模式的能力。
- 监督学习：其中准备和分类是之前的算法。
- 强化学习：在太阳能电池领域的战略观测中运用奖励和惩罚机制。

通过对无人机进行预编程，利用机器学习算法和数学工具，可使无人机具备智能和自主决策能力。

2. 基于边缘AI的太阳能电池检测系统架构设计

人工智能需要大规模数据和云存储支持，这依赖于大量试验数据的准备和学习。边缘计算与人工智能技术的结合为此提供了解决方案。

利用电致发光和红外热成像技术，能够检测出微小裂缝和严重故障。实时数据采集可扫描数百张图像并检测故障。无人机搭载人工智能和机器学习技术，可实现自主智能和自主决策。无人机可进行光伏组件的空中测绘和定位，并将相关信息发送进行检测。

控制站使无人机能够进行检测并下达执行命令。无人机配备红外和电致发光成像相机，具备识别技术和人工智能，开始扫描光伏阵列。检测到故障后，处理图像以确定故障类型（如轻微或严重故障、光伏阵列故障、直流阶段故障或交流阶段故障），将数据与预定义模型进行比较，分析数据并通过训练模型确定故障类型。借助边缘AI将图像存储和扫描到云存储中，无人机可自主判断故障的重要性，决定是否需要提前处理或稍后更换。利用GPS和空中成像将光伏阵列的位置发送到控制中心，最后将所有输出数据提供给控制站，整个过程在一次飞行中完成。

以下是边缘AI空中监测的流程图：

graph LR