Utafiti huu unapendekeza usanifu unaojumuisha ndege zisizo na rubani zilizogawanywa katika majukumu matatu tofauti ili kukagua mabawa ya turbini ya upepo wakati turbini ikiendelea kufanya kazi. UAV ya kwanza hufuatilia turbini nzima kutoka mbali na kufuatilia pembe za mabawa, kasi ya mzunguko na utambulisho wao wa kimwili. UAV ya pili hutazama turbini kutoka juu na kupima mkengeuko wa flapwise wa mabawa unaotoka nje ya ndege ya rota. UAV ya tatu hukusanya picha za uso zenye azimio la juu kutoka umbali wa karibu na kutathmini mkengeuko wa edgewise ndani ya ndege ya rota. Kituo cha ardhini hulinganisha data kutoka UAV zote, kuziunganisha na utambulisho sahihi wa bawa na kuziunganisha katika hifadhidata ya ukaguzi.

Vipengele vikuu vya kuona kwa kompyuta vya usanifu vilijaribiwa kwenye modeli ya turbini ya upepo iliyochapishwa kwa pande tatu yenye kipenyo cha rota cha mita 2,2. Turbini ilizungushwa kwa kasi za 8, 15 na 30 rpm; mbinu ya kufuatilia bawa inayounganisha YOLOv8n, ByteTrack, utabiri wa mwendo wa angular na kichujio cha Kalman ililinganishwa na matokeo ya kawaida ya ByteTrack. Mfumo wa kawaida wa ufuatiliaji ulitoa mabadiliko ya utambulisho 96 katika 8 rpm, 272 katika 15 rpm na 530 katika 30 rpm, ilhali mbinu iliyopendekezwa inayotegemea utabiri iliripoti mabadiliko sifuri ya utambulisho katika majaribio yote matatu.

Kwa jaribio la mkengeuko wa bawa, modeli mbili za bawa zilizopinda kwa digrii 8 na 15 ziliandaliwa. Kila bawa lilirekodiwa kwa dakika moja katika kasi za 8, 15 na 30 rpm. Baada ya kutoa maski ya bawa, mfumo ulitumia skeletonization na kufananisha curve; ukakokotoa mkengeuko wa flapwise kutokana na tofauti ya pembe ya tangenti kwenye mzizi na ncha ya bawa. Vipimo kwa ujumla vilibaki karibu na pembe zilizomodeliwa, na mkengeuko mkubwa zaidi ulionekana katika 30 rpm. Watafiti walihusisha hili na ukweli kwamba katika kasi ya juu kila kupita kwa bawa huwakilishwa na fremu chache zaidi za video.

Katika vipimo vilivyofanywa kwenye Nvidia Jetson Orin NX, mnyororo wa kufuatilia na kutambua bawa ulitumia wastani wa 10,1 W, mnyororo wa mkengeuko wa flapwise 6,4 W na mnyororo wa mkengeuko wa edgewise takribani 7 W. Thamani hizi zinawakilisha mzigo wa jukwaa la kompyuta lililopachikwa pekee; matumizi ya jumla ya nishati ya mota za UAV, udhibiti wa ndege, mawasiliano na mfumo mzito wa kamera hayakupimwa.

Kwa mtazamo wa Türkiye: Mbinu iliyopendekezwa ni muhimu kwa tafiti za kupunguza kusimama kwa turbini, ukaguzi wa mara kwa mara wa mabawa na ufuatiliaji wa mabadiliko ya umbo la bawa kwa nguvu katika vituo vya nishati ya upepo vya nchi kavu na baharini nchini Türkiye. Kabla ya kutumiwa nchini Türkiye, mfumo unapaswa kuthibitishwa kwenye turbini za ukubwa halisi, urefu tofauti wa mabawa, kasi zinazobadilika za upepo, mwanga mkali wa jua na mandhari changamano, ndege za muda mrefu na umbali salama wa UAV–turbini. Aidha, mawasiliano ya kituo cha ardhini, tabia wakati wa kupotea kwa muunganisho, muda wa picha na taratibu za kujiondoa kwa dharura zinapaswa kujaribiwa katika mazingira halisi ya uwanja. Kutokana na matokeo ya maabara haiwezi kuhitimishwa moja kwa moja kwamba mfumo utafanya kazi kwa usalama kwenye turbini nchini Türkiye, utapunguza hasara ya uzalishaji kwa kiwango fulani au utagundua kasoro zote za uso.

Ni tatizo gani ambalo utafiti unajaribu kutatua?

Mabawa ya turbini ya upepo yanaweza kupata mabadiliko ya uso na umbo kutokana na mvua, kugongwa na chembe, uchafuzi wa mazingira, mizigo ya kimuundo na uendeshaji wa muda mrefu. Ukaguzi wa mara kwa mara wa mabawa ni muhimu ili kutambua matatizo kabla ya uharibifu kuendelea. Hata hivyo mbinu za jadi za kufikia kwa kamba au kukagua kutoka ardhini kwa kamera zenye lenzi ndefu zina mipaka ya ufikivu, muda na nguvu kazi ya binadamu.

Ukaguzi unaotumia UAV moja unaweza kupunguza baadhi ya vikwazo hivi. Hata hivyo ni vigumu kwa UAV moja kwa wakati mmoja kufuatilia turbini nzima, kufuatilia kila bawa kwa utambulisho wake wa kimwili, kukusanya picha za uso zenye maelezo ya juu kutoka umbali wa karibu na kupima mkengeuko wa bawa katika mwelekeo tofauti.

UAV iliyo karibu inaweza kupata picha zenye azimio la juu, lakini inaweza isiione hali ya rota nzima. UAV iliyo mbali inaweza kufuatilia rota nzima lakini isitoe azimio la anga linalohitajika kwa uharibifu mdogo wa uso. Kutekeleza majukumu yote kwa mfuatano kwenye jukwaa moja kunaweza kuongeza muda wa ukaguzi na mzigo wa uchakataji.

Utafiti unalenga kupunguza biashara kati ya ufunikaji, azimio na uwezo wa uchakataji kwa kugawa majukumu haya kati ya UAV tatu maalumu.

Kwa nini ukaguzi unalengwa wakati turbini inaendelea kufanya kazi?

Mbinu nyingi za ukaguzi wa kuona hutegemea kusimamisha mabawa katika nafasi iliyowekwa mapema. Kupiga picha mabawa yaliyosimama hupunguza ukungu wa mwendo na matatizo ya upangaji wa muda. Hata hivyo kusimamisha turbini husababisha kukatika kwa uzalishaji na kuzuia uchunguzi wa tabia za nguvu kama mkengeuko wa bawa unaojitokeza wakati wa mzunguko.

Ukaguzi wa turbini inayofanya kazi huleta changamoto mpya kama mabadiliko ya haraka ya pembe ya kuona, ukungu wa mwendo, mabawa kupotea kwa muda nyuma ya mnara, mwanga mkali wa jua, kufanana kwa rangi na anga na hitaji la muda sahihi wa kuamsha kamera. Usanifu uliopendekezwa hushughulikia changamoto hizi kupitia uratibu wa kituo kikuu cha ardhini na UAV zenye majukumu yaliyotenganishwa.

Mfumo una tabaka zipi tatu?

Kielelezo 1 kwenye ukurasa wa 16 wa utafiti kinagawanya usanifu katika tabaka za kimwili, uchakataji na udhibiti.

Katika mchoro wa nafasi wa Kielelezo 1, UAV ya mtazamo wa jumla hukaa kwenye sehemu thabiti mbali na turbini. UAV ya mtazamo wa juu huwekwa juu ya nacelle ikitazama rota kutoka juu. UAV ya mtazamo wa karibu kwanza huenda kwenye sehemu ya kipimo ambayo huweka bawa lote ndani ya fremu, kisha huingia kwenye njia ya ukaguzi wa karibu inayopiga picha uso wa bawa sehemu kwa sehemu.

Jukumu la UAV ya mtazamo wa jumla ni nini?

UAV ya mtazamo wa jumla, inayotajwa kama \(D_{\text{global}}\), hubeba kamera ya pembe pana inayopiga picha turbini nzima. Katika jiometri iliyopendekezwa, inapendekezwa iwe katika nafasi salama yenye umbali wa angalau radii tatu za bawa kutoka rota.

Matokeo makuu ya UAV hii ni vekta ya hali ya turbini:

\[ x=[t_0,\omega,\theta_1,\theta_2,\theta_3] \]

• \(t_0\), ni muhuri wa muda wa kipimo.
• \(\omega\), ni kasi ya angular ya rota.
• \(\theta_1,\theta_2,\theta_3\), ni nafasi za angular za mabawa matatu ya kimwili.

Taarifa hii hutumwa kwenye kituo cha ardhini na kutumiwa kukokotoa wakati kamera za UAV nyingine zinapaswa kuwashwa. Hivyo, badala ya amri ya papo hapo ya “piga sasa” inayohisi kuchelewa kwa mtandao, muda wa kupita kwa bawa katika siku zijazo unaweza kukokotolewa mapema ndani ya kila UAV.

Maski za bawa na kituo cha rota hukokotolewaje?

Kielelezo 3 kwenye ukurasa wa 17 kinaonyesha picha ghafi ya video ikipitia hatua nne kuu:

1. Segmentation ya picha ya mabawa kwa msingi wa instance
2. Kukokotoa kituo cha rota au kituo cha hub
3. Kuunda vitambulisho vya awali vya ufuatiliaji
4. Utabiri wa pembe na kugawa vitambulisho vya kudumu vya kimwili

Modeli ya segmentation ya YOLOv8n huzalisha maski ya kiwango cha pikseli kwa kila bawa linaloonekana. Mhimili hulinganishwa kwenye kila maski na nafasi ya kituo cha rota kwenye picha hukokotolewa kutoka makutano ya mihimili mitatu. Kituo cha rota hutumika kama pointi ya marejeo yenye nguvu kwa vipimo vya pembe ikiwa UAV inafanya harakati ndogo kutokana na upepo au mtetemo.

Kwa nini vitambulisho vya kawaida vya ufuatiliaji havitoshi?

Vitambulisho vya awali vinavyoundwa na ByteTrack vinawakilisha nyayo za muda za vitu kwenye picha. Bawa linapopotea nyuma ya mnara, maski inapoharibika kwa muda mfupi au bawa linapoonekana tena, mfumo wa ufuatiliaji unaweza kutoa utambulisho mpya kwa bawa lilelile la kimwili.

Hali hii husababisha tatizo kubwa la uhusishaji wa data katika ukaguzi wa UAV nyingi. Lazima ijulikane kasoro ya uso iliyopatikana na UAV ya mtazamo wa karibu au mkengeuko uliopimwa na UAV ya mtazamo wa juu ni wa bawa gani la kimwili. Kwa hiyo utafiti hubadilisha vitambulisho vya muda vya ufuatiliaji kuwa vitambulisho vya kudumu vya bawa la kimwili katika umbo la \(B_1\), \(B_2\) na \(B_3\).

Utambulisho wa kudumu wa bawa unadumishwaje?

Kila bawa humodeliwa kama hali ya mwendo yenye pembe na kasi ya angular. Kichujio cha Kalman cha discrete kwanza hutabiri pembe ya bawa kwenye fremu inayofuata. Vipimo vipya vya picha vinapofika, tofauti kati ya pembe zilizotabiriwa na pembe zilizozingatiwa hukokotolewa.

Algorithm kwanza hulinganisha jozi za utabiri–uchunguzi zenye kutolingana kwa pembe kidogo zaidi. Hali za bawa zilizolingana husasishwa kwa kipimo kipya. Bawa likipotea kwa muda, hali iliyotabiriwa huhifadhiwa. Ikiwa idadi ya ufuatiliaji hai ni chini ya tatu, nyayo mpya ya bawa la kimwili inaweza kuundwa kutoka uchunguzi mpya usiolingana.

Hatua tano za algorithm ni:

1. Kutabiri pembe mpya kutoka hali iliyotangulia
2. Kulinganisha uchunguzi na utabiri kulingana na umbali wa angular
3. Kusasisha nyayo zilizolingana kwa kichujio cha Kalman
4. Kuendeleza nyayo zilizokosekana kwa utabiri au kusajili nyayo mpya
5. Kuunda vekta ya hali ya turbini kutoka mabawa yote

UAV ya mtazamo wa juu hupima nini?

UAV inayotajwa kama \(D_{\text{top}}\) huwekwa juu ya sehemu ya nacelle ya turbini na kuelekeza kamera yake chini. Utafiti unapendekeza UAV hii iwe angalau umbali wa \(1{,}5\,r_{\text{blade}}\) juu ya nacelle na kusogezwa kwa usawa kwa takribani \(0{,}5\,r_{\text{blade}}\).

Mtazamo huu hutumika kupima kupinda kwa flapwise kwa bawa kunakotoka nje ya ndege ya rota. Tofauti kati ya mkengeuko wa edgewise na flapwise imeonyeshwa katika Kielelezo 4 kwenye ukurasa wa 17:

• Mkengeuko wa edgewise: Kupinda kwa bawa ndani ya ndege ya rota.
• Mkengeuko wa flapwise: Kupinda kwa bawa katika mwelekeo ulio wima kwa ndege ya rota.

Muda wa siku zijazo wa kunasa picha hukokotolewaje?

Kwa kutumia vekta ya hali ya turbini iliyopokelewa kutoka kituo cha ardhini, nyakati za siku zijazo ambapo kila bawa litafikia pembe lengwa hukokotolewa:

\[ t_{i,n}=t_0+ \frac{ (\theta_{\text{target}}-\theta_i)\bmod 2\pi+2\pi n }{\omega}, \qquad n=0,\ldots,k-1 \]

• \(t_{i,n}\), ni muda unaokadiriwa ambapo bawa namba \(i\) litafikia nafasi lengwa.
• \(\theta_{\text{target}}\), ni pembe ya rota iliyochaguliwa na kamera kwa ajili ya kunasa picha.
• \(\omega\), ni kasi ya angular ya rota.
• \(n\), huonyesha baada ya mizunguko mingapi kamili kupita huko kunakokotolewa.

Badala ya pointi moja ya muda, ili kupunguza hitilafu za trigger dirisha la kunasa huundwa karibu na muda uliotabiriwa:

\[ W_i= \left\{ \left( t_{i,n}-\frac{\tau}{2}, t_{i,n}+\frac{\tau}{2} \right) \;\middle|\; n=0,\ldots,k-1 \right\} \]

\(\tau\), ni jumla ya nafasi ya muda inayoongezwa kabla na baada ya muda wa kunasa picha. Kasi ya turbini inapobadilika, UAV ya mtazamo wa jumla hutuma vekta mpya ya hali na madirisha ya kunasa hukokotolewa upya.

Mkengeuko wa flapwise hutolewaje kutoka picha?

Video ya mtazamo wa juu hupitia mchakato wa hatua tatu:

1. Kuondoa mandhari yenye nguvu: Kwa mbinu inayotegemea Gaussian Mixture, bawa linalosogea hutenganishwa na mnara na mazingira yasiyosogea sana. Operesheni za morfolojia kama opening na closing husafisha maski.
2. Skeletonization na kufananisha spline: Maski ya bawa ya binary hupunguzwa kuwa mstari wa katikati wa mwelekeo mmoja na curve laini hufananishwa ili kupunguza kelele.
3. Kipimo kinachotegemea tangenti: Tangenti za curve kwenye mzizi na ncha ya bawa hukokotolewa. Pembe kati ya tangenti mbili huchukuliwa kama mkengeuko wa flapwise.

Kielelezo 9 kwenye ukurasa wa 20 kinaonyesha kipimo cha mfano cha digrii 15,07 kwa bawa lililopinda kwa digrii 15 na kipimo cha mfano cha digrii 0,28 kwa bawa lililonyooka. Hii ni mifano ya picha moja na haiwakilishi kosa la wastani la majaribio yote.

Ni majukumu gani mawili ya UAV ya mtazamo wa karibu?

\(D_{\text{close}}\) hutekeleza majukumu mawili kwa mfuatano. Kwanza hupiga picha bawa lote kutoka pembeni ili kupima mkengeuko wa edgewise, kisha hukaribia rota na kupiga picha uso wa bawa sehemu kwa sehemu kwa azimio la juu.

Kwa kipimo cha edgewise, UAV ya mtazamo wa karibu hukaa angalau umbali wa mara 1,5 ya radiasi ya bawa na kuweka bawa lote kwenye fremu. Kisha kwa ukaguzi wa uso huenda kwenye sehemu ya kuanzia karibu na mzizi wa bawa na kusogea kwa usawa kuelekea ncha ya bawa.

Kielelezo 6 kwenye ukurasa wa 18 kinaonyesha kamera, uchambuzi wa ubora wa picha, urekebishaji wa vigezo vya kamera, hifadhi ya ndani na moduli za mkengeuko wa edgewise za UAV hii.

Umbali wa kamera na sehemu ya bawa inayoonekana hukokotolewaje?

Katika picha za karibu, kwa kutumia ground sampling distance inayolengwa, yaani GSD, umbali wa kamera–rota na urefu wa bawa unaoweza kuonekana katika fremu moja hukokotolewa:

\[ y=\frac{Gf}{p} \]

\[ s=\frac{\mu y}{f} \]

• \(y\), ni umbali kati ya kamera na ndege ya rota.
• \(G\), ni thamani lengwa ya GSD katika mm/pikseli.
• \(f\), ni focal length ya lenzi katika milimita.
• \(p\), ni pixel pitch ya sensa ya kamera katika mm/pikseli.
• \(\mu\), ni upana wa kimwili wa sensa.
• \(s\), ni urefu wa kimwili wa bawa unaofunikwa katika picha moja.

Idadi ya chini zaidi ya picha zinazohitajika kufunika bawa lote hukokotolewa takribani kama:

\[ \left\lceil\frac{r_{\text{blade}}}{s}\right\rceil \]

Katika matumizi halisi, kwa kuwa kuna hitaji la kuunganisha picha na kuwa na overlap salama, kikomo hiki cha chini pekee kinaweza kisitoshe.

Ukungu wa mwendo unadhibitiwaje?

Kasi ya mstari ya ncha ya bawa huongezeka pamoja na kasi ya angular ya rota na radiasi ya bawa. Ili mwendo wa bawa kwenye ndege ya picha wakati wa exposure usizidi GSD lengwa, muda wa juu zaidi wa exposure hudhibitiwa na sharti lifuatalo:

\[ t_{\text{exposure}}\leq \frac{G}{\omega r_{\text{blade}}} \]

Kadiri kasi ya rota inavyoongezeka, muda unaoruhusiwa wa exposure hupungua. Exposure fupi inaweza kugandisha mwendo, lakini pia hupunguza mwanga unaofika kwenye sensa. Kwa hiyo mfumo hujaribu kusawazisha exposure, ISO na ukali wa picha.

Uchambuzi wa ubora wa picha hufanyaje kazi?

UAV ya mtazamo wa karibu huchukua mfululizo wa picha katika kila kupita kwa bawa na kuzitathmini ndani ya UAV. Uchambuzi wa ubora wa picha hutumia ukaguzi mkuu mbili:

• Ukungu wa mwendo: Ikiwa variance ya Laplacian iko chini ya kizingiti kilichowekwa mapema cha ukali, picha huchukuliwa kuwa yenye ukungu.
• Exposure: Ikiwa zaidi ya asilimia 5 ya pikseli kwenye histogram zimekusanyika kwenye kiwango cha 0 au 255, picha huchukuliwa kuwa underexposed au overexposed.

Picha zisizokubalika hazitumwi kwenye kituo cha ardhini na sehemu ileile ya bawa hupigwa tena katika mzunguko unaofuata wa bawa. Picha ikiwa yenye ukungu, muda wa exposure hupunguzwa hatua moja na kikomo cha juu cha ISO huongezwa. Picha ikiwa giza lakini si yenye ukungu, muda wa exposure huongezwa kwa kadiri sharti la kugandisha mwendo linavyoruhusu. Ikiwa kutokana na kikomo cha maunzi haiwezekani kutoa picha inayofaa, onyo la kusimamisha kwa muda kunasa picha hutumwa kwenye kituo cha ardhini.

Ingawa udhibiti huu wa ubora umeelezwa kwa kina kama sehemu ya usanifu, utafiti haukuripoti kiwango cha kukubaliwa–kukataliwa, usambazaji wa ukali au utendaji wa kugundua kasoro kwa picha za uso zilizopatikana kutoka umbali wa karibu kwenye bawa la turbini linalozunguka kwa kweli.

Kwa nini mawasiliano yamegawanywa katika njia mbili?

Katika mfumo uliopendekezwa, mawasiliano yamegawanywa kwa madhumuni mawili tofauti:

Kila UAV pia hutumia hifadhi ya ndani. Mawasiliano yakikatika, picha zinaweza kuhamishwa kwenye kituo cha ardhini baada ya ndege. Hata hivyo usanifu huu wa mawasiliano haujajaribiwa katika ndege halisi ya UAV au katika hali za kupotea kwa pakiti.

Utafiti ulitathminije seti za data za umma?

Watafiti walipitia seti sita za data zinazopatikana kwa kasoro za mabawa ya turbini za upepo. Kulingana na uainishaji wa utafiti, kasoro ziligawanywa katika makundi sita: mmomonyoko wa ukingo wa mbele, ufa na kutengana, uharibifu wa vipengele vilivyoshikizwa kwenye bawa, tundu, uchafuzi wa uso na maeneo mengine yaliyoharibika.

Watafiti wanaeleza kuwa hakuna seti hizi za data inayojumuisha moja kwa moja mkengeuko wa flapwise au edgewise kwenye mabawa ya turbini inayofanya kazi. Inadaiwa kwamba usanifu wa UAV nyingi uliopendekezwa unaweza kusaidia kukusanya aina hii ya data yenye nguvu.

Mpangilio wa maabara ukoje?

Mpangilio wa majaribio unaoonekana katika Kielelezo 7 kwenye ukurasa wa 19 una vipengele vifuatavyo:

• Modeli ya turbini iliyochapishwa kwa pande tatu yenye kipenyo cha rota cha mita 2,2
• Mota ya gia ya mkondo wa moja kwa moja ya 12 V inayotoa hadi 30 rpm
• Kamera mbili za Logitech C920 zinazowakilisha mtazamo wa jumla na mtazamo wa juu
• Kamera yenye azimio la juu inayowakilisha mtazamo wa karibu
• Nvidia Jetson Orin NX inayowakilisha kitengo cha uchakataji ndani ya UAV
• Laptop inayowakilisha kituo cha ardhini

Webcam ziliendeshwa kwa 1920 × 1080 pikseli, fremu 30 kwa sekunde na field of view ya digrii 78. Kamera moja ilipiga picha rota nzima kutoka mbele, na nyingine ilipiga picha kuelekea chini kutoka juu ya nacelle.

Mpangilio huu unaiga mitazamo tofauti ya UAV kwa kamera zisizosogea. Mwendo halisi wa ndege, upepo, mtetemo, hitilafu ya nafasi au hatari ya kugongana kati ya UAV hazikujumuishwa katika jaribio.

Ni matokeo gani yalipatikana katika kufuatilia utambulisho wa bawa?

Video tatu za dakika moja zilirekodiwa. Katika video hizi turbini ilizunguka kwa 8, 15 na 30 rpm, mtawalia. ByteTrack ya kawaida na mbinu iliyopendekezwa ya utambulisho wa kudumu zililinganishwa kwa kuhesabu kila tukio ambapo utambulisho tofauti ulitolewa kwa bawa lilelile la kimwili.

Kielelezo 10 kwenye ukurasa wa 21 kinaonyesha kuwa katika ufuatiliaji wa kawaida mabadiliko ya utambulisho huongezeka kadiri kasi inavyoongezeka, ilhali katika mbinu iliyopendekezwa vitambulisho vilidumishwa katika majaribio yote matatu ya dakika moja.

Matokeo haya ni yenye nguvu kwa video tatu za mazingira ya maabara. Hata hivyo hayaonyeshi kuwa kiwango kilekile cha kosa sifuri kitadumishwa katika mandhari tofauti, kwenye turbini ya ukubwa halisi, katika hali ambapo kamera ya UAV inasogea au katika ndege za muda mrefu.

Jaribio la mkengeuko wa bawa lilifanywaje?

Kando na modeli ya bawa asilia, mabawa mawili yaliyopinda kwa digrii 8 na 15 yalitengenezwa. Katika kila jaribio, bawa moja lililopinda na mabawa mawili yaliyonyooka yalitumika. Kila kiwango cha kupinda kilirekodiwa kwa dakika moja katika kasi za 8, 15 na 30 rpm; jumla ya majaribio sita ya mkengeuko yalifanywa.

Katika Kielelezo 11 kwenye ukurasa wa 21, thamani za mkengeuko zilizopimwa zinalinganishwa na mistari ya marejeo inayojulikana ya digrii 8 na 15. Thamani kwa ujumla zilibaki karibu na viwango sahihi vya kupinda. Katika kasi ya juu zaidi ya 30 rpm, mkengeuko wa kipimo na mtikisiko viliongezeka.

Watafiti wanaeleza kwamba katika kasi ya juu bawa hupita kwenye field of view ya kamera kwa muda mfupi zaidi, hivyo fremu chache hupatikana katika kila kupita. Kamera yenye frame rate kubwa zaidi au kuchukua wastani wa mizunguko mingi zaidi inapendekezwa kama suluhisho.

Utafiti haukutoa kosa la wastani la pembe, mkengeuko wa kawaida au muda wa kujiamini uliokokotolewa kutoka kwenye curves. Kwa hiyo haiwezekani kutoa asilimia moja ya jumla ya usahihi kwa mbinu mbili za mkengeuko.

Je, mkengeuko wa edgewise ulithibitishwa kando?

Hapana. Watafiti wanaeleza kuwa mnyororo wa edgewise hutumia hatua zilezile za skeletonization na kukokotoa pembe kama mbinu ya flapwise, isipokuwa hutumia maski ya YOLOv8n badala ya kuondoa mandhari kwa msingi wa mwendo.

Matumizi ya nguvu ya mnyororo wa uchakataji wa edgewise yalipimwa, lakini jaribio tofauti la usahihi wa kipimo kwa pembe zinazojulikana za kupinda kwa edgewise halikufanywa. Kwa hiyo ushahidi wa majaribio ulio na nguvu zaidi katika utafiti unahusu kipimo cha flapwise.

Matumizi ya nguvu ya jukwaa la kompyuta lililopachikwa ni kiasi gani?

Jetson Orin NX iliendeshwa katika hali ya juu ya nguvu ya 25 W. Kila mnyororo wa uchakataji ulijaribiwa mara tano; kila utekelezaji ulidumu sekunde 175. Sekunde 30 za kwanza zilitumika kama hali ya idle, na sekunde 145 zilizofuata kama kipindi cha uchakataji hai. Nguvu ilipimwa kwa multimeter ya kidijitali iliyounganishwa kati ya chanzo cha umeme cha Jetson na kifaa.

Katika mnyororo wa kufuatilia bawa, matumizi ya GPU yaliongezeka wazi kutokana na segmentation ya YOLOv8n, huku matumizi ya CPU yakibaki katika kiwango cha chini zaidi. Kwa kuwa mnyororo wa flapwise hutumia hasa uchakataji wa picha wa kawaida, mzigo wa GPU ulikuwa mdogo na matumizi ya CPU yalikuwa takribani asilimia 25–30.

Katika jaribio la edgewise, turbini iliendeshwa kwa 8 rpm, na mfululizo wa picha tano ulichakatwa kwa kila bawa lililopita kila sekunde 2,5. Kwa kuwa inference ya YOLO ilifanya kazi tu wakati wa kupita kwa bawa, matumizi ya nguvu yaliongezeka na kupungua kwa vipindi vya kawaida.

Thamani hizi za nguvu si bajeti ya jumla ya nishati ya UAV. Propela, mota za ndege, kamera nzito, gimbal, rada, mawasiliano na hasara za ubadilishaji wa betri hazijajumuishwa. Matokeo yanaunga mkono tu kwamba moduli za uchakataji wa picha zinaweza kuendeshwa kwenye Jetson Orin NX.

Ni nguvu zipi za utafiti?

• Unashughulikia biashara ya ufunikaji na azimio inayokabili UAV moja kwa kugawa majukumu.
• Unalenga kudumisha utambulisho wa kimwili wa mabawa katika matokeo yanayotoka mitazamo tofauti.
• Unatabiri muda wa kunasa picha ndani ya UAV badala ya kutuma amri ya papo hapo kupitia mtandao.
• Unaingiza mkengeuko wa flapwise na edgewise wa bawa linalofanya kazi pamoja na picha za uso katika usanifu.
• Unaunganisha uhusiano kati ya ukali wa picha, exposure, GSD na kasi ya rota katika muundo wa mfumo.
• Modeli halisi ya turbini ya kiwango cha maabara ilitumika.
• Mbinu ya ufuatiliaji ililinganishwa kwa namba na matokeo ya kawaida ya ByteTrack.
• Kasi tofauti za rota na pembe mbili zinazojulikana za kupinda zilitumika.
• Matumizi ya CPU, GPU na nguvu yalichunguzwa kwa kifaa cha nje cha kupimia.
• Modeli ya turbini, baadhi ya taarifa za maunzi na scripts za udhibiti zilishirikiwa.

Ni mapungufu makuu ya utafiti?

• Mfumo kamili wa UAV nyingi haukutekelezwa; mitazamo ya UAV iliwakilishwa na kamera zisizosogea.
• Hakuna jaribio lililofanywa kwenye turbini ya upepo ya ukubwa halisi au inayozalisha umeme.
• Hali za upepo, mvua, mwanga mkali wa jua, ukungu, mtetemo na mandhari inayobadilika hazikujaribiwa.
• Uwekaji wa UAV, njia ya ndege na udhibiti wa usalama karibu na turbini viliachwa nje ya wigo wa utafiti.
• Viunganisho vya udhibiti vya bandwidth ndogo na picha vya bandwidth kubwa havikujaribiwa katika ndege halisi.
• Hakuna vipimo vilivyotolewa kwa kupotea kwa muunganisho, kuchelewa kwa pakiti au hitilafu za usawazishaji wa muda.
• Uwezo wa UAV ya mtazamo wa karibu kukusanya picha za uso zenye azimio la juu kutoka kwa bawa linalosogea haukutathminiwa kimajaribio.
• Ufanisi wa kukubali na kukataa wa uchambuzi wa ubora wa picha haukupimwa.
• Algorithm ya kugundua kasoro kama ufa, mmomonyoko, tundu au uchafuzi wa uso haikutekelezwa.
• Usahihi wa mkengeuko wa edgewise haukujaribiwa kando kwa pembe zinazojulikana za kupinda.
• Tathmini ya ufuatiliaji inategemea video tatu tu za dakika moja.
• Kosa la wastani, mkengeuko wa kawaida na muda wa kujiamini havikutolewa kwa matokeo ya mkengeuko.
• Vipimo vya nguvu havijumuishi matumizi ya nishati ya mota za ndege.
• Uimara wa muda mrefu wa betri na muda wa misheni ya UAV nyingi haukukokotolewa.
• Utafiti haujapitiwa na wahakiki.

Utafiti unaunga mkono nini?

• Mchanganyiko wa YOLOv8n, ByteTrack, utabiri wa pembe na kichujio cha Kalman uliweza kudumisha vitambulisho vya kudumu vya bawa katika video za maabara.
• Mbinu iliyopendekezwa ya ufuatiliaji ilitoa mabadiliko machache ya utambulisho kuliko ByteTrack ya kawaida katika kasi zote tatu zilizojaribiwa.
• Kipimo cha mkengeuko wa flapwise kinachotegemea skeleton na tangenti kutoka picha za juu kiliweza kutekelezwa kwenye modeli ya turbini inayozunguka.
• Mabawa yaliyopinda kwa digrii 8 na 15 yaliweza kutofautishwa katika kasi tatu tofauti za rota.
• Minyororo mitatu mikuu ya uchakataji wa picha ilifanya kazi ndani ya kikomo cha kompyuta cha 25 W cha Jetson Orin NX.
• Usanifu jumuishi wa mfumo unaogawa majukumu tofauti ya ukaguzi kwa UAV tofauti umefafanuliwa kiufundi.

Utafiti hauthibitishi nini?

• Haudhibitishi kwamba UAV tatu zinaweza kuruka kwa usalama na kwa wakati mmoja karibu na turbini halisi ya upepo.
• Hauonyeshi kuwa ukaguzi kamili umekamilishwa kwa mafanikio bila kusimamisha turbini wakati wa uzalishaji.
• Haudhibitishi kuwa uso wote wa bawa umepigwa picha kwa GSD inayohitajika.
• Haugundui ufa, mmomonyoko, delamination au kasoro nyingine za uso.
• Haudhibitishi kimajaribio usahihi wa kipimo cha edgewise.
• Hauonyeshi kuwa modeli ya maabara ya 30 rpm inawakilisha kikamilifu aerodinamiki ya turbini ya ukubwa kamili au kasi ya ncha ya bawa.
• Hauhakikishi kwamba mabadiliko sifuri ya utambulisho yatadumishwa katika picha halisi za uwanja.
• Hauonyeshi kuwa muda wa ndege wa UAV au matumizi ya jumla ya nishati ya mfumo ni ya kutosha.
• Haupimi akiba ya kiuchumi ya ukaguzi, muda wa kusimama au gharama za matengenezo.
• Hauonyeshi kuwa mfumo unakidhi cheti cha usalama au kigezo cha kukubaliwa viwandani.

Mbinu na Matokeo ya Utafiti

Muhtasari wa kiufundi wa mbinu

Maelezo ya jaribio la ufuatiliaji

Maelezo ya jaribio la mkengeuko

Mpangilio wa kipimo cha nguvu

Ujumbe mkuu wa vielelezo

• Kielelezo 1: Kinaonyesha aina tatu za UAV, tabaka za kimwili–uchakataji–udhibiti na nafasi za UAV.
• Kielelezo 2: Kinaonyesha kamera, kidhibiti cha ndani, kifuatilia, hifadhi na muunganisho wa kituo cha ardhini wa UAV ya mtazamo wa jumla.
• Kielelezo 3: Kinaonyesha mtiririko wa data kutoka segmentation hadi kituo cha rota na ufuatiliaji wa muda, kisha kugawa utambulisho wa kudumu.
• Kielelezo 4: Kinaonyesha tofauti ya kijiometri kati ya mkengeuko wa edgewise na flapwise wa bawa.
• Kielelezo 5: Kinaonyesha moduli za kipimo cha flapwise za UAV ya mtazamo wa juu.
• Kielelezo 6: Kinaonyesha udhibiti wa ubora wa picha, kipimo cha edgewise na njia ya kusogea kando ya bawa ya UAV ya mtazamo wa karibu.
• Kielelezo 7: Kinaonyesha mpangilio wa maabara unaojumuisha kamera zisizosogea, modeli ya turbini, Jetson na laptop.
• Kielelezo 8: Kinaonyesha vitambulisho vya kudumu vya rangi vilivyogawiwa mabawa na hali ya rota iliyojengwa upya kutoka data ya ufuatiliaji.
• Kielelezo 9: Kinaonyesha kipimo cha mkengeuko kinachotegemea tangenti kwenye bawa lililopinda na lililonyooka.
• Kielelezo 10: Kinaonyesha mabadiliko ya utambulisho ya ByteTrack yakiongezeka na kasi, huku yakibaki sifuri katika majaribio matatu kwa ufuatiliaji unaotegemea utabiri.
• Kielelezo 11: Kinaonyesha mkengeuko wa flapwise uliopimwa kwenye mabawa ya digrii 8 na 15 katika kasi tofauti za mzunguko.
• Kielelezo 12: Kinaonyesha matumizi ya CPU, GPU na nguvu ya minyororo mitatu ya uchakataji kwenye Jetson Orin NX.

Hali ya vipengele kulingana na kiwango cha ushahidi

Maelezo ya Chanzo na Mbinu

Jina kamili asili la utafiti: In-Service Wind Turbine Blade Inspection: A Multi-UAV Architecture

Waandishi: Mario Leopold, Farzad Tashtarian na Klaus Schöffmann.

Mpangilio wa waandishi: Mario Leopold ni wa kwanza, Farzad Tashtarian wa pili na Klaus Schöffmann wa tatu.

Taarifa ya mchango sawa: Hakuna taarifa ya waandishi waliochangia sawa katika toleo lililopakiwa.

Mwandishi wa mawasiliano: Mario Leopold.

Barua pepe: mario.leopold@aau.at

Uhusiano wa taasisi: Institute of Information Technology, University of Klagenfurt, Klagenfurt, Austria.

Taarifa za ORCID:

• Mario Leopold: 0009-0003-1395-1665
• Farzad Tashtarian: 0000-0002-5584-6690
• Klaus Schöffmann: 0000-0002-9218-1704

DOI:10.2139/ssrn.7030621

Jukwaa la uchapishaji: SSRN.

Kiungo rasmi cha chanzo:Rekodi ya utafiti ya SSRN

Mwaka wa uchapishaji: 2026.

Aina ya chanzo: Usanifu wa mfumo wa UAV nyingi, matumizi ya kuona kwa kompyuta na uthibitishaji wa majaribio katika kiwango cha maabara; preprint.

Hali ya mapitio ya rika: Utafiti haujapitiwa na wahakiki.

Jarida: Hakuna jina maalumu la jarida katika toleo lililopakiwa. Kuna kauli “Preprint submitted to Elsevier”, lakini hii si ushahidi wa kukubaliwa na jarida au uchapishaji wa mwisho.

Mchapishaji: Hakuna taarifa ya mchapishaji kwa uchapishaji wa mwisho uliopitiwa na wahakiki.

Ufadhili: Utafiti uliungwa mkono na Austrian Research Promotion Agency ndani ya mradi wa DORBINE.

Kiungo cha mradi wa DORBINE:Ukurasa wa mradi wa DORBINE

Rasilimali za turbini ya maabara na udhibiti:Hazina ya GitHub ya WindTurbineModel

Upeo wa nyenzo zilizoshirikiwa: Hazina ina faili za modeli ya turbini zinazoweza kuchapishwa kwa pande tatu, sehemu zilizobadilishwa, orodha ya maunzi na scripts za udhibiti wa rpm. Hazina kamili ya segmentation, ufuatiliaji, kipimo cha mkengeuko, kituo cha ardhini na msimbo wote wa uratibu wa UAV nyingi uliotumika katika utafiti haijaainishwa.

Michango ya waandishi: Mario Leopold alifanya uundaji wa dhana, programu na rasimu ya kwanza; Farzad Tashtarian alifanya uundaji wa dhana, usimamizi wa mradi, ushauri na mapitio ya maandishi; Klaus Schöffmann alifanya mapitio ya maandishi na ushauri.

Mgongano wa maslahi: Hakuna tamko la wazi la mgongano wa maslahi katika toleo lililopakiwa.

Maelezo haya ya Kiswahili yameandaliwa kwa msingi wa maandishi, algorithms, ifadho za hisabati, jedwali la seti za data wazi na matokeo ya kuona katika Vielelezo 1–12 vya utafiti uliopakiwa. Hakuna jaribio halisi la uwanjani, mafanikio ya kugundua kasoro za uso, akiba ya kiuchumi au matokeo ya usalama ambayo hayapo katika utafiti yaliyoingizwa. Vyanzo vya nje vilitumika tu kuthibitisha kibibliografia DOI, utambulisho wa mwandishi na taasisi, ufadhili wa mradi na rasilimali za maabara zilizoshirikiwa.

Matokeo yenye nguvu zaidi ya majaribio katika utafiti ni kwamba ufuatiliaji wa utambulisho wa kudumu wa bawa uliendelea bila mabadiliko ya utambulisho katika video tatu za maabara na kwamba kupinda kwa flapwise kunakojulikana kuliweza kupimwa kwenye turbini ya modeli inayozunguka. Hata hivyo lengo la “ukaguzi wakati wa kazi” katika kichwa cha makala bado halijathibitishwa kwenye turbini ya ukubwa halisi inayozalisha umeme.

Utafiti si mfumo kamili wa kugundua kasoro, bali ni usanifu wa ukusanyaji wa data na uratibu wa majukumu ambao algorithms kama hizo zinaweza kuunganishwa baadaye. Kwa hiyo matokeo hayapaswi kufasiriwa kama kwamba nyufa za uso au uharibifu mwingine wa bawa umegunduliwa kwa mafanikio.