DIAGNOSI DEI PANNELLI SOLARI CON INTELLIGENZA ARTIFICIALE E ANALISI DELLE IMMAGINI PER MIGLIORARE LA LORO EFFICIENZA ENERGETICA

The work presents a machine learning and neural network system for photovoltaic module status classification from RGB images, implemented in MATLAB. The system processes images through a set of spatial filters, localizes cells using Normalized Cross-Correlation, and extracts six numerical texture and chromaticity descriptors. A Gaussian kernel SVM classifier classifies each image into one of the six categories of the dataset, consisting of 871 images, achieving an accuracy of 67.67%. The system is compared to a convolutional neural network trained on the five main classes, which achieves 77.44% accuracy. The comparison between the two approaches in terms of classification metrics and computational cost constitutes the original experimental contribution of the work.

Il lavoro presenta un sistema Machine Learning e reti neurali per la classificazione dello stato di moduli fotovoltaici a partire da immagini RGB, implementato in MATLAB. Il sistema elabora le immagini attraverso un insieme di filtri spaziali, localizza le celle tramite Correlazione Incrociata Normalizzata ed estrae sei descrittori numerici di texture e cromaticità. Un classificatore SVM con kernel gaussiano classifica ciascuna immagine in una delle sei categorie del dataset, composto da 871 immagini di un dataset, raggiungendo un'accuratezza del 67.67%. Il sistema viene confrontato con una rete neurale convoluzionale addestrata sulle cinque classi principali, che raggiunge il 77.44% di accuratezza. Il confronto tra i due approcci in termini di metriche di classificazione e costo computazionale costituisce il contributo sperimentale originale del lavoro.