Uluslararası bir araştırma ekibi, güneş paneli temizleyen robotların yön bulmasını geliştirmek için 6.200 görüntülük açık veri seti hazırladı. Mendeley Data’da yayımlanan görüntüler, temiz yüzeyleri, yapay kirlenme örneklerini ve laboratuvarda fiziksel olarak kirletilen panelleri kapsıyor. Güneş enerjisi kapasitesi büyürken bakım robotlarının yüzeydeki çizgileri farklı kir koşullarında tanıması önem taşıyor. Çalışma, doğrudan yeni bir ticari robot duyurmak yerine bu sorunu ölçebilecek veri sağlıyor.
Robotun panel üzerinde ilerlerken hücreler arasındaki beyaz boşlukları ve çerçeve sınırlarını seçebilmesi gerekiyor. Kuş pisliği, su lekesi, toz veya parlama bu çizgileri kapatabiliyor. Araştırmacılar, aynı çizgi geometrisini farklı kirlenme düzeylerinde koruyarak görüntü algoritmalarının hangi koşullarda zorlandığını karşılaştırmayı amaçlıyor.
Ekip önce 800 temiz görüntüyü elle etiketledi. Üç çizgi sınıfı belirledi ve bunlar hücreler arasındaki beyaz boşluklar ile çerçeve ve hücre arasındaki yatay ve dikey sınırlar. Ardından her temiz örnekten beş farklı kirlenme düzeyine sahip görüntü üretti. Böylece aynı yüzey, temiz hâliyle birlikte toplam altı koşulda incelenebiliyor.
Görüntüler robotun önüne, panel yüzeyinden yaklaşık 15 santimetre yüksekliğe yerleştirilen kamerayla toplandı. Ham çekimler 320 × 240 piksel çözünürlük ve saniyede 60 kareyle kaydedildi. Araştırmacılar geometrik düzeltmenin ardından görüntüleri 160 × 120 piksele indirdi. Bu tercih, robot üzerindeki gerçek zamanlı hesaplamanın sınırlı kaynaklarını dikkate alıyor.
İLGİNİZİ ÇEKEBİLİR
Modal 750 milyon dolar aldı, yıllıklandırılmış gelir hızı 1 milyarı aştı
Çin güneş üretim teknolojileri için ihracat denetimi taslağı hazırladı
Çin’deki yavaşlama güneş kurulumları için küresel tahmini aşağı çekti
Meta’nın açık ağırlıklı yapay zekâ modeli iki Mac Studio’da çalışıyor
Artık saniye 20 Mayıs 2027’de küresel saatten çıkıyor
Veri seti yapay kirlenmeyi gerçek laboratuvar örnekleriyle karşılaştırıyor
Eğitim ve doğrulama için toplam 4.800 görüntü ayrıldı ve bunların 3.846’sı eğitim, 954’ü doğrulama bölümünde yer alıyor. Test kümesi ise temiz ve yapay kirlenme koşullarını içeren 1.200 örneğe ek olarak, farklı panellerden gelen 200 gerçek laboratuvar görüntüsü taşıyor.
Bu ikinci grup, yapay kirle eğitilen modelin fiziksel kirlenmede nasıl davrandığını incelemeye yardımcı oluyor.
Etiketler yalnızca bir çizginin varlığını söylemiyor ve konum, yön, uç noktaları ve sınıf bilgisi de sağlıyor. Bu nedenle veri seti çizgi bulmanın yanında robotun yön açısını hesaplama ve dönüş tetikleme araştırmalarında kullanılabiliyor. Üçüncü sürümde araştırmacılar eğitim, doğrulama ve test bölümleri arasındaki yakın tekrarları temizlediklerini, 14.956 çizgi etiketini yeniden kontrol ettiklerini belirtiyor.
23 Ağustos tarihli üçüncü sürüm, CC BY 4.0 lisansıyla açık erişim sunuyor. Konu 15 Ekim’deki araştırma haberiyle yeniden gündeme geldi. Ekip sonraki adımda hafif yapay zeka modellerini, hareket sensörlerini ve tekerlek ölçümlerini birleştirerek fiziksel robotlarda daha gerçekçi koşullarda doğrulama yapmayı hedefliyor.
Günün Öne Çıkan Fırsatları
REKLAM — Bu içerikte satış ortaklığı bağlantıları bulunmaktadır. Bu bağlantılar üzerinden yapılan alışverişlerden Teknoblog komisyon kazanabilir.
