YOLO algoritmasıyla PV panellerdeki kirliliğin tespiti ve sınıflandırılması

Bu tez çalışmasında, güneş panelleri üzerindeki kirliliğin tespit edilmesi ve temizlenmesi amacıyla geliştirilen yapay zekâ tabanlı bir görüntü işleme ve kontrol sistemi sunulmuştur. Güneş enerjisi sistemlerinde verim kaybına neden olan panel kirliliği, özellikle toz, polen ve kuş pislikleri gibi etkenler sonucunda oluşmakta ve enerji üretiminde önemli düşüşlere yol açmaktadır. Bu sorunun çözümü için, nesne tanıma tabanlı bir derin öğrenme yaklaşımı olan YOLOv8 algoritması kullanılarak güneş paneli yüzeyindeki kir seviyeleri tespit edilmiş ve sınıflandırılmıştır. Elde edilen görsel veriler, panelin çalışma koşullarıyla birlikte değerlendirilerek bulanık mantık tabanlı bir karar destek sistemi ile temizleme süreci en uygun şekilde otonom hale getirilmiştir. Geliştirilen sistemde; sıcaklık ve rüzgâr sensörlerinden alınan çevresel veriler, bulanık mantık kurallarıyla işlenmiş, elde edilen sonuçlar mikrodenetleyici (Arduino) aracılığıyla servo motor kontrollü otomatik temizleme mekanizmasını yönetmek için kullanılmıştır. Böylece hem su tasarrufu sağlanmış hem de temizlik işlemi yalnızca gerekli durumlarda gerçekleştirilmiştir. Çalışma sonucunda, YOLOv8 algoritmasının güneş paneli yüzeyindeki kirlilik tespiti için yüksek doğruluk oranı sunduğu ve bulanık mantık ile entegre edildiğinde sistemin karar verme sürecinde etkin bir performans sergilediği belirlenmiştir. Bu bütünleşik yaklaşım, fotovoltaik sistemlerde verim artışı ve bakım maliyetlerinin azaltılması açısından önemli bir katkı sunmakta, aynı zamanda gelecekteki akıllı enerji yönetim sistemleri için uygulanabilir bir model ortaya koymaktadır.