Sistema inteligente de visão computacional para inspeção de centrais fotovoltaicas : projeto II

Abstract

A energia solar fotovoltaica tem assumido um papel crescente na transição energética, o que intensifica a necessidade de processos de operação e manutenção mais escaláveis. A inspeção visual tradicional dos módulos é morosa, dependente da interpretação humana e de difícil aplicação frequente em centrais de grande dimensão, sobretudo na deteção de sujidade que reduz a captação de radiação solar. Em continuidade com o Projeto I, no qual se estudaram e avaliaram experimentalmente abordagens de visão computacional para deteção e segmentação de sujidade em imagens RGB de painéis fotovoltaicos, o presente trabalho centra-se na implementação e validação funcional de um protótipo demonstrador. O objetivo foi desenvolver uma plataforma distribuída que integra a aquisição de imagens no edge, a ingestão em PV, o processamento assíncrono baseado em jobs, a inferência com os modelos YOLOv8x e DINOv2, o mapeamento espacial das deteções sobre o layout da planta e a visualização operacional numa aplicação web. A componente de aquisição foi concebida para Raspberry Pi 4 Model B com Camera Module 3, incorporando mecanismos de spool, checksum, retries e idempotência no envio das capturas. A persistência e o cruzamento espacial entre deteções, zonas e painéis recorrem a PostgreSQL/PostGIS, sendo os resultados convertidos em níveis de severidade e em tickets de apoio à decisão operacional. A arquitetura foi concebida como cloud-ready, preparada para serviços Microsoft Azure, sendo a demonstração executada localmente em contentores Docker. A validação, de natureza funcional e realizada em ambiente controlado, confirmou a viabilidade do fluxo end-to-end, desde a captura ou submissão da imagem até à apresentação dos resultados. O sistema é apresentado como prova de conceito e não como produto final, identificando-se como trabalho futuro a recolha sistemática de imagens em terreno real, o reforço do conjunto de dados e a consolidação da integração em cloud.

Abstract: Photovoltaic solar energy has played an increasingly important role in the energy transition, which intensifies the need for more scalable operation and maintenance processes. Traditional visual inspection of modules is time-consuming, dependent on human interpretation and difficult to apply frequently in large-scale plants, particularly for detecting soiling that reduces solar radiation capture. Building on Project I, in which computer vision approaches for the detection and segmentation of soiling in RGB images of PV panels were studied and experimentally evaluated, the present work focuses on the implementation and functional validation of a demonstrator prototype. The aim was to develop a distributed platform integrating image acquisition at the edge, backend ingestion, asynchronous job-based processing, inference using the YOLOv8x and DINOv2 models, spatial mapping of detections onto the plant layout, and operational visualisation through a web application. The acquisition component was designed for a Raspberry Pi 4 Model B with a Camera Module 3, incorporating spool, checksum, retry and idempotency mechanisms for capture submission. Persistence and the spatial intersection between detections, zones and panels rely on PostgreSQL/PostGIS, with the results being converted into severity levels and operational decision-support tickets. The architecture was designed to be cloud-ready, prepared for Microsoft Azure services, while the demonstration runs locally in Docker containers. The validation, functional in nature and carried out in a controlled environment, confirmed the feasibility of the end-to-end flow, from image capture or submission to the presentation of results. The system is presented as a proof of concept rather than a final product, with future work identified as the systematic collection of images in real field conditions, the strengthening of the dataset and the consolidation of cloud integration.