25、基于边缘人工智能的太阳能电池空中监测系统解析

基于边缘人工智能的太阳能电池空中监测系统解析

1. 机器学习类型及在无人机中的应用

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，也就是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察中会使用奖励和惩罚机制。

通过机器学习，无人机通常可以通过预先用公式和算术工具进行编程，从而具备智能和自主决策能力。

2. 基于边缘人工智能的太阳能电池检查系统架构设计

人工智能需要大规模数据支持以及云存储，这依赖于大量的试验数据和测试的启动与学习。而边缘计算与人工智能技术的结合可以解决这个问题。利用电致发光和红外热成像技术，甚至可以检测到微小裂缝和严重故障。实时数据采集能够扫描数百张图像并检测故障。

无人机中的人工智能和机器学习可以使其具备自主智能并能自行决策。无人机可以发送光伏模块的航空测绘和位置信息以供检查。

控制站使无人机能够进行检查并向其发出执行命令。无人机配备了具有识别技术和人工智能的红外和电致发光成像相机，开始扫描光伏阵列。一旦检测到故障，它会处理图像以确定发生了哪种类型的故障，是轻微故障还是重大故障，是光伏阵列故障、直流阶段故障还是交流阶段故障。它会将数据与预定义模型进行比较，然后分析数据，并使用训练好的模型确定故障类型。借助边缘人工智能，图像会被存储并在云存储中进行扫描，无人机可以自行决定故障的重要性，以及是应该尽早处理还是只是一个非常小的裂缝，可以稍后更换。光伏阵列的位置会通过全球定