Dissertação
Damage Detection and Classification in Wind Turbine's Blades using Automated Visual Inspection EVALUATED
Com o aumento da consciencialização relativamente ao aquecimento global, as fontes de energias renováveis são cada vez mais o foco da indústria de energia . Em 2017, a energia do vento foi responsável por gerar a segunda maior quantidade de electricidade (7.7%), de todas as energias renováveis. Devido à erosão do vento e outros factores, as pás das turbinas eólicas são componentes altamente afectados durante o funcionamento das mesmas. Nesse sentido, inspeções periódicas devem ser efectuadas para prolongar a vida útil. Inspecções visuais são efectuadas por inspectores treinados, no entanto uma ferramenta automática pode ser implementada para reduzir o tempo de inspecção e o custo total, garantindo também uma coerência geral nos danos identificados. Sabendo que ainda não existem soluções automáticas para o efeito, este trabalho visa explorar ferramentas para detectar e classificar danos visuais em fotografias das pás, cujo foram recolhidas nas quintas de turbinas eólicas. Para o efeito foram consideradas duas abordagens. Numa primeira tentativa, foi desenvolvido um algoritmo, utilizando apenas métodos clássicos de visão computacional, juntamente com técnicas de agrupamento de pontos. Sabendo as limitações presentes nesta abordagem, foi explorada, como segunda solução, a utilização de deep neural networks. A primeira abordagem tem o propósito de estabelecer uma referência de desempenho para as redes neuronais. No fim, as abordagens foram comparadas para um mesmo conjunto de imagens, confirmando tanto as limitações da primeira abordagem, como o potencial das deep neural networks para se adaptarem a tarefas não triviais, atingindo uma boa generalização e robustez.
julho 31, 2020, 10:0
Publicação
Obra sujeita a Direitos de Autor
Orientação
