Investigadores egipcios han desarrollado un modelo de inteligencia artificial (IA) para detectar daños en paneles de celdas solares utilizados en el espacio. La investigación relacionada analizó imágenes de arreglos de celdas solares afectadas por arcos, donde los arcos son fenómenos de descarga generados por la interacción de paneles solares de alto voltaje con plasma espacial.

El estudio señala que los arcos producen corrientes pico altas, causando daños severos en los interconectores de celdas, afectando severamente el rendimiento y confiabilidad de los sistemas de naves espaciales. El estudio descubre que los arcos ocurren más comúnmente en celdas intermedias, interconectores y bordes de celdas solares, donde los campos eléctricos son más fuertes.

Este estudio fue realizado conjuntamente por científicos del Instituto Nacional de Astronomía y Geofísica y la Universidad de Beni-Suef, quienes utilizaron aprendizaje profundo para entender el comportamiento de arcos. Los investigadores emplearon redes neuronales convolucionales (CNN) y aprendizaje por transferencia para clasificar y detectar celdas defectuosas a partir de datos de imágenes.

El equipo de investigación analizó 2624 imágenes en blanco y negro de celdas solares tomadas de 44 componentes independientes, donde algunas celdas funcionaban normalmente y otras mostraban fallos obvios, incluyendo grietas y contaminación superficial causada por arcos.

Para probar el efecto, los investigadores probaron dos modelos de IA diferentes. El primer modelo fue una red construida desde cero, con una tasa de precisión casi del 95.98% en imágenes aprendidas, pero cayendo al 83.24% en pruebas con nuevas imágenes, indicando pobre confiabilidad fuera del laboratorio. El segundo método utilizó aprendizaje por transferencia con el modelo preentrenado EfficientNetV2L, alcanzando una precisión de verificación del 89.05%, y destacando en el procesamiento de nuevas imágenes.

Ambos modelos pueden detectar daños relacionados con arcos, particularmente en partes de celdas solares más propensas a descargas, como interconectores, bordes y regiones intermedias de celdas.

Los investigadores concluyen que el aprendizaje profundo es un método efectivo para identificar daños por arcos en paneles de celdas solares. Indican que esta investigación proporciona insights valiosos para el procesamiento y análisis de imágenes, ofreciendo sugerencias para aplicaciones adicionales de IA en industrias de ingeniería y aeroespacial, ayudando a mejorar la comprensión del proceso de arcos, mejorar la capacidad predictiva de modelos de IA, y así apoyar el diseño de sistemas de arreglos de celdas solares espaciales más robustos.

La investigación futura involucrará el uso de técnicas de aprendizaje automático para simulaciones, prediciendo el comportamiento de eventos de arcos, aplicadas a escenarios involucrando "corrientes de arco, potencial y flashover en arreglos de celdas solares".