Uluslararası bir araştırma ekibi, güneş paneli temizleme robotlarının yüzeyde yön bulmasına yardımcı olmak üzere 6.200 görüntü içeren açık bir veri seti hazırladı. Veri seti temiz panellerin yanı sıra yapay kirlenme örneklerini ve laboratuvarda fiziksel olarak kirletilmiş panellerden alınan görüntüleri de kapsıyor.
Çalışma yeni bir ticari robotu tanıtmıyor; robotların panel çizgilerini farklı kir koşullarında ne ölçüde algılayabildiğini incelemek için araştırmacılara veri sağlıyor. Görüntüler Mendeley Data’da yayımlandı.
Kir ve parlama panel çizgilerini gizleyebiliyor
Panel üzerinde ilerleyen bir robotun, hücreler arasındaki beyaz boşluklarla hücre ve çerçeve sınırlarını ayırt etmesi gerekiyor. Kuş pisliği, su lekesi, toz ve parlama bu çizgilerin görünmesini zorlaştırabiliyor. Ekip, aynı çizgi düzenini farklı kirlenme seviyelerinde koruyarak görüntü algoritmalarının hangi şartlarda güçlük yaşadığını karşılaştırmayı hedefliyor.
Araştırmacılar ilk olarak 800 temiz görüntüyü elle etiketledi. Etiketlerde üç çizgi sınıfı tanımlandı: hücreler arasındaki beyaz boşluklar ile hücre ve çerçeve arasındaki yatay ve dikey sınırlar. Her temiz görüntü için beş farklı kirlenme düzeyinde yeni örnekler oluşturuldu. Böylece her yüzey temiz hâli de dâhil olmak üzere altı koşulda incelenebiliyor.
Kamera görüntüleri gerçek zamanlı işlemeye göre küçültüldü
Görüntüler, robotun önüne panel yüzeyinden yaklaşık 15 santimetre yükseğe yerleştirilen bir kamerayla kaydedildi. Ham çekimlerin çözünürlüğü 320 × 240 piksel, kayıt hızı ise saniyede 60 kareydi. Geometrik düzeltme uygulandıktan sonra görüntüler 160 × 120 piksele indirildi. Bu seçimde robot üzerindeki gerçek zamanlı hesaplama kaynaklarının sınırlı olması dikkate alındı.
Test bölümünde gerçek kirlenmiş paneller de var
Eğitim ve doğrulama için ayrılan 4.800 görüntünün 3.846’sı eğitim, 954’ü doğrulama bölümünde kullanılıyor. Test kümesinde ise temiz ve yapay kirlenmiş koşullardan 1.200 görüntüye ek olarak farklı panellerden alınmış 200 gerçek laboratuvar görüntüsü bulunuyor. Bu örnekler, yapay kirlenmiş görüntülerle eğitilen bir modelin fiziksel kirlenme koşullarındaki davranışını değerlendirmeye imkân veriyor.
Etiketler yalnızca çizginin varlığını belirtmiyor; çizginin konumu, yönü, uç noktaları ve sınıfı hakkında da bilgi içeriyor. Bu bilgiler çizgi tespitinin yanı sıra robotun yön açısını hesaplama ve dönüşü tetikleme araştırmalarında kullanılabiliyor. Araştırmacılar, veri setinin üçüncü sürümünde eğitim, doğrulama ve test bölümleri arasındaki benzer tekrarları ayıkladıklarını ve 14.956 çizgi etiketini yeniden kontrol ettiklerini belirtiyor.
23 Ağustos tarihli üçüncü sürüm, CC BY 4.0 lisansıyla açık erişime sunuldu. Konu, 15 Ekim’de yayımlanan araştırma haberiyle yeniden gündeme geldi. Ekip, sonraki aşamada hafif yapay zekâ modellerini hareket sensörleri ve tekerlek ölçümleriyle birleştirerek fiziksel robotlarda daha gerçekçi koşullarda doğrulama yapmayı hedefliyor.
