Detección y seguimiento de nubes basado en detección de objetos con redes neuronales convolucionales
Autores: Carballo, Jose Antonio; Bonilla, Javier; Fernández-Reche, Jesús; Nouri, Bijan; Avila-Marin, Antonio; Fabel, Yann; Alarcón-Padilla, Diego-César
Idioma: Inglés
Editor: MDPI
Año: 2023
Acceso abierto
Artículo científico
2023
Detección y seguimiento de nubes basado en detección de objetos con redes neuronales convolucionales
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería de Software
Palabras clave
Recursos solares
Tecnologías renovables
Visión por computadora
Detección de objetos
Redes neuronales convolucionales
Detección de nubes
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 27
Citaciones: Sin citaciones
Debido a la necesidad de conocer la disponibilidad de recursos solares para las tecnologías renovables solares con antelación, este artículo presenta una nueva metodología basada en visión por computadora y la técnica de detección de objetos que utiliza redes neuronales convolucionales (modelo EfficientDet-D2) para detectar nubes en series de imágenes. Esta metodología también calcula la velocidad y dirección del movimiento de las nubes, lo que permite predecir transitorios en la radiación solar disponible debido a las nubes. El proceso de reentrenamiento y validación del modelo de red neuronal convolucional finalizó con éxito, lo que proporcionó resultados precisos en la detección de nubes en la prueba. Además, durante la prueba, la estimación del tiempo restante para un transitorio debido a una nube fue precisa, principalmente debido a la detección precisa de nubes y la precisión del algoritmo de tiempo restante.
Descripción
Debido a la necesidad de conocer la disponibilidad de recursos solares para las tecnologías renovables solares con antelación, este artículo presenta una nueva metodología basada en visión por computadora y la técnica de detección de objetos que utiliza redes neuronales convolucionales (modelo EfficientDet-D2) para detectar nubes en series de imágenes. Esta metodología también calcula la velocidad y dirección del movimiento de las nubes, lo que permite predecir transitorios en la radiación solar disponible debido a las nubes. El proceso de reentrenamiento y validación del modelo de red neuronal convolucional finalizó con éxito, lo que proporcionó resultados precisos en la detección de nubes en la prueba. Además, durante la prueba, la estimación del tiempo restante para un transitorio debido a una nube fue precisa, principalmente debido a la detección precisa de nubes y la precisión del algoritmo de tiempo restante.