Innovador Método de Detección de Fallos en Paneles Solares con Termografía IR y Espacio de Color Lab*

Un investigador de Husqvarna Group, Waqas Ahmed, ha desarrollado un innovador método para la detección de fallos en paneles fotovoltaicos (PV) utilizando termografía infrarroja (IR) y el espacio de color Lab*, logrando una precisión de hasta el 95,2% con clasificadores simples. Este sistema ligero y en tiempo real es ideal para drones y dispositivos de borde, y podría ahorrar hasta 17,620 kWh y 8,9 toneladas de CO₂ al año al mejorar la detección de fallos en los paneles solares.

El enfoque de Ahmed se centra en la interpretación y eficiencia computacional, utilizando el espacio de color Lab* que separa la luminancia de la cromaticidad, lo que mejora la detección de degradaciones superficiales. En lugar de redes neuronales complejas, se emplea un pipeline de extracción de características por parches, generando un vector compacto de 80 descriptores estadísticos por imagen.

El método fue probado en un sistema fotovoltaico de 44,24 kW en Lahore, Pakistán, compuesto por 376 módulos PV. Las imágenes térmicas se capturaron en condiciones ambientales específicas y se clasificaron en paneles saludables, con puntos calientes o defectuosos. Los datos se dividieron en un 80% para entrenamiento y un 20% para pruebas, utilizando clasificadores como SVM, KNN y Naive Bayes, destacando el SVM con una precisión del 95,2%.

Ahmed, afiliado a Husqvarna Group, la Universidad de Jönköping y el Imperial College de Londres, planea junto a Manahil Zulfiqar investigar el ruido de etiquetas y errores de anotación en conjuntos de datos PV para aplicaciones de IA. Su trabajo fue presentado en la revista Solar Energy.

Fuente: https://www.pv-magazine.com/2026/01/09/new-multi%e2%80%91hotspot-detection-tech-based-on-lab-feature-descriptor/