ソーラーパネルの埃検出におけるグレイウルフ最適化ベース転移学習の比較研究

• 単結晶・多結晶PVセルのEL画像による6つの深層学習アーキテクチャの制御されたベンチマークを実施
• ConvNeXt-TがViT/DeiTの約3分の1のパラメータ数で最高平均マクロF1 93.12%を達成
• 4クラス多結晶タスクでConvNeXt-TはマクロF1 84.94±0.45%(DenseNet121: 70.08%、MobileNetV3: 59.43%)

• ConvNeXt-Tinyを用いた太陽電池セル欠陥分類において、LoRA/QLoRAがフルファインチューニングを上回るマクロF1スコア79.92%を達成した。
• QLoRA_r16はフルファインチューニングと比較してGPUメモリ使用量を約30%削減(2478MB→1727MB)した。
• 学習パラメータ数はフルファインチューニングの26〜52倍少ないにもかかわらず、分類性能で上回った。

• 本研究は、太陽光発電(PV)の異常熱検出と深層学習向けバウンディングボックス事前注釈の自動生成を目的とした、トレーニング不要の画像処理フレームワークを提案した。
• 公開PV熱画像データセット5枚と、Zonguldak Bülent Ecevit大学(BEUN)のグリッド接続屋上PVシステムから取得したUAVベースのフィールド画像4枚で評価を実施した。
• 提案手法はグローバル閾値処理やパネル制約付きOtsuベースのベースラインと比べ、冗長検出を削減しつつ画像由来の疑似参照との空間的合意を示す領域を維持し、領域外検出数を減少させた。

太陽光発電(PV)システムにおけるエネルギー損失と効率低下を引き起こす複数の故障を検出し、分類するための新しいハイブリッドインテリジェントシステムが提案された。このシステムは、ファジィC平均法(FCM)クラスタリングと、マルチレイヤーパーセプトロン(MLP)、LSTM、BiLSTM、GRUなどの深層学習(DL)技術を統合したものである。データセットは、600~1000 W/m2の様々な日射条件と25~40°Cの温度条件下で動作する実際の10kW太陽光発電システムから収集された102,400サンプルで構成される。FCMはクラスタリングによって特徴抽出を強化するために使用され、得られた特徴がモデ…

• カメラレンズ汚れの重症度推定のための静的から時間的へのフレームワークが提案され、WoodScape、External Test、OccNuScenes-Dirtでの実験でドメイン横断的な性能を示した。