Solar Panel Defect Detection using YOLO – Graduation Project

في هذا المشروع، قمتُ بتصميم وتطوير نظام ذكي لاكتشاف الأعطال في الألواح الشمسية باستخدام تقنيات الرؤية الحاسوبية (Computer Vision) وخوارزمية YOLO (You Only Look Once) للتعرّف على العيوب في الصور الحرارية والمرئية للألواح.

يهدف المشروع إلى تحسين كفاءة فحص الألواح الشمسية من خلال أتمتة عملية اكتشاف الأعطال وتوفير تقارير دقيقة تساعد على اتخاذ قرارات الصيانة بشكل أسرع وأقل تكلفة.

المهام الأساسية في المشروع:

إعداد بيانات صور متوازنة ومتنوعة من الألواح الشمسية مع تطبيق أساليب Augmentation لزيادة دقة النموذج.

تدريب نموذج YOLOv11 لاكتشاف أنواع متعددة من الأعطال (Crack, Discoloration, Dust, Broken Glass, etc.).

استخدام Grad-CAM لتفسير نتائج النموذج بصريًا وتحليل المناطق الأكثر تأثيرًا في التنبؤ.

تطوير واجهة تفاعلية لعرض النتائج وتحليل أداء النموذج.

تقييم النموذج باستخدام Precision, Recall, mAP50, and mAP50-95 للوصول لأعلى أداء ممكن.

نتائج المشروع:

تم تحقيق دقة عالية في اكتشاف وتصنيف الأعطال.

تقليل زمن الفحص اليدوي بنسبة ملحوظة.

تقديم نظام ذكي يساعد شركات الطاقة الشمسية في مراقبة الحالة الفنية للألواح وتحسين كفاءة الإنتاج.

تم تقييم المشروع بدرجة "امتياز (Excellent)" من قِبل لجنة التقييم بجامعة بنها نظرًا لجودته وابتكاره التطبيقي.