KALBARNEWS.CO.ID (MAROKO) - Sekelompok peneliti dari Maroko mengembangkan teknologi baru untuk georeferensi modul surya di taman surya besar. Pengembangan ini secara signifikan memudahkan proses inspeksi pembangkit listrik tenaga surya dengan mengotomatiskan diagnostik.
Taman surya modern dapat terdiri dari ribuan panel, dan masing-masing panel memerlukan inspeksi berkala—untuk mengevaluasi kinerja dan efisiensi energinya, serta mengidentifikasi kemungkinan kerusakan atau kontaminasi.
Dalam praktiknya, hal ini bergantung pada inspeksi manual atau analisis foto yang diambil dari UAV yang dilakukan oleh spesialis yang membutuhkan banyak tenaga kerja. Kedua pendekatan ini cukup memakan waktu dan tidak menutup kemungkinan adanya kesalahan yang disebabkan oleh faktor manusia.
Para peneliti dari Institut Agronomi dan Ilmu Kedokteran Hewan Hassan II di Rabat mengusulkan metode baru untuk memproses foto dari UAV. Mereka mengembangkan algoritma yang menggunakan data GPS, parameter kamera, dan kemiringan UAV untuk menghitung skala gambar.
Selanjutnya, mereka menerapkan metode tersebut untuk secara otomatis menemukan nilai ambang batas yang memadai untuk menyorot panel pada foto. Setelah itu, batasnya ditentukan, plot yang berlebih dihapus, dan panel yang teridentifikasi dibandingkan dengan ukuran sebenarnya. Koordinat akhir disimpan dalam format yang sesuai untuk melatih jaringan saraf.
Pengembangan ini diuji di dua fasilitas di Maroko. Fasilitas pertama adalah area uji coba darat Green Energy Park dengan modul monokristal 22 kW yang miring pada sudut 31°. Fasilitas kedua adalah instalasi 1MW di atap pusat data.
UAV DJI Mavic 2 Enterprise Advanced (M2EA) digunakan untuk mengambil foto, dilengkapi dengan sistem pencitraan inframerah beresolusi 640x512 piksel dan kamera beresolusi tinggi (8.000x6.000 piksel).
Pada tahap georeferensi otomatis, sistem mencapai tingkat kelengkapan 91% dan secara signifikan mengurangi jumlah respons salah berkat filter geometrik dan pengelompokan. Citra yang direferensikan secara otomatis dibagi menjadi sampel pelatihan, pemeriksaan, dan pengujian, serta digunakan untuk melatih berbagai modul pembelajaran mendalam.
Model-model seperti SSD ResNet50 V1, SSD MobileNet v2, Faster RCNN ResNet 50 V1, Faster EfficientDet d1, CenterNet hg104, dan YOLOv7 digunakan dalam eksperimen. Semuanya dilatih selama 500 epoch dengan ukuran batch 8 citra.
Model YOLOv7 menunjukkan performa terbaik: akurasi rata-ratanya mencapai 98,33%, dan waktu pemrosesan satu gambar hanya 15 milidetik. Akurasi geotag mencapai 2,51 meter, yang cukup untuk identifikasi panel surya secara presisi di lokasi tersebut.
Perkembangan ilmuwan Maroko memungkinkan penghematan waktu yang signifikan selama inspeksi dan untuk meningkatkan kualitas pemantauan pembangkit listrik tenaga surya, yang terutama penting untuk pengoperasian taman surya yang andal dan efisien, yang jumlahnya terus bertambah di seluruh dunia. (Tim Liputan)
Editor : Aan
