با همکاری انجمن مهندسان مکانیک ایران
نویسنده = علی نجات لرستانی
پایداری، زیست‌اقتصاد چرخشی و تاب‌آوری محیطی

ارزیابی اثرات پدیده نقطه داغ در پنل‌های فتوولتاییک تک‌کریستال و چند ‌کریستال تحت شرایط آب و هوایی ایلام

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از 03 آبان 1405

https://doi.org/10.22067/jam.2026.99648.1501

فاطمه درویشی، علی نجات لرستانی، رضا یگانه، مجید ولیزاده

چکیده سیستم‌های فتوولتائیک معمولاً به دلیل نداشتن قطعات متحرک، عمر طولانی دارند و به همین دلیل به گزینه‌ای جذاب برای کاربردهای مسکونی و صنعتی تبدیل می‌شوند. با این حال، عوامل متعددی ممکن است عمر مفید پنل‌های فتوولتاییک را کاهش دهند. این مطالعه به بررسی تأثیر افزایش دما ناشی از تابش خورشید بر انواع مختلف پنل‌های خورشیدی می‌پردازد. یکی از این عوامل، پدیده نقطه داغ (Hot Spot) است که در آن نقاط خاصی از پنل خورشیدی به دلیل قرار گرفتن طولانی مدت در معرض نور خورشید، افزایش دما را تجربه می‌کنند و منجر به کاهش برگشت‌ناپذیر توان خروجی می‌شوند. برای ارزیابی دقیق تأثیر شرایط آب و هوایی بر وقوع نقطه داغ، یک مطالعه میدانی با استفاده از پنل‌های خورشیدی تک‌کریستالی و چندکریستالی در دسته‌های مختلف طی یک دوره ۱۷ هفته‌ای در ماه‌های گرم در شهر ایلام، انجام شد. عملکرد پنل‌ها نیز در MATLAB/Simulink شبیه‌سازی شد تا تحلیل دقیق‌تری از نتایج به‌دست آید. علاوه بر این، از یک دوربین حرارتی برای بررسی شرایط حرارتی پنل‌ها در حالت نقطه داغ استفاده شد. یافته‌ها نشان داد که توان خروجی پنل‌های چندکریستالی ۱، چندکریستالی ۲، تک‌کریستالی ۳ و تک‌کریستالی ۴ تخریب‌شده به‌ترتیب 0.105، 0.104، 0.211 و 0.193 وات در طول دوره ۱۷ هفته‌ای کاهش یافته است. در مقابل، توان خروجی پنل‌های چندکریستالی ۵، چندکریستالی ۶، تک‌کریستالی ۷ و تک‌کریستالی ۸ سالم به‌ترتیب 0.474، 0.518، 0.66 و 0.66 وات افزایش یافته است. به‌طور کلی، نتایج نشان داد که نرخ تخریب ناشی از پدیده نقطه داغ در پنل‌های تک‌کریستالی بیشتر از پنل‌های چندکریستالی بود.

کشاورزی دیجیتال، هوشمند و دقیق

شناسایی زنجرک پسته (Hem.: Cicadellidae) Idiocerus stali با استفاده از پردازش تصویر و شبکه‌های عصبی مصنوعی

دوره 12، شماره 2، تابستان 1401، صفحه 107-118

https://doi.org/10.22067/jam.v12i2.81004

زینب عزیزپور، حسنعلی واحدی، علی نجات لرستانی

چکیده استراتژی مدیریت تلفیقی آفات (IPM)، به پایش پیوسته جمعیت آفات وابسته است، این کار نه تنها زمان‌بر است، بلکه وابستگی زیادی به داوری انسان دارد و پر هزینه نیز می‌باشد. استفاده از روش‌های هوش مصنوعی به جای تصمیم‌گیری‌های دستی و انسانی، علاوه بر این که سبب افزایش بهره‌وری می‌گردد، از دقت بالایی نیز برخوردار است. پسته، یک محصول تجاری است و هر ساله خسارت زیادی توسط حشرات به تولیدکنندگان این محصول وارد می‌شود. گروهی از آفات پسته عمدتاً از میوه پسته تغذیه می‌کنند، که از این گروه زنجرک پسته، دارای اهمیت زیادی می‌باشد. در این تحقیق زنجرک پسته به‌عنوان حشره هدف جهت شناسایی انتخاب شد. برای جمع‌آوری نمونه‌ها از کارت‌های زرد چسبنده استفاده شد. 357 خصوصیت رنگی و 20خصوصیت شکلی برای شناسایی زنجرک پسته به‌وسیله الگوریتم پردازش تصویر استخراج شد. خصوصیات رنگی به دو دسته‌ی خصوصیات مربوط ‌به میانگین و انحراف‌معیار و خصوصیات مربوط ‌به شاخص‌های سبزی تقسیم شدند. از 17 فضای رنگی مختلف مثل RGB، HSV و غیره برای استخراج خصوصیات و از روش هیبرید شبکه عصبی مصنوعی-الگوریتم بهینه‌سازی ازدحام ذرات (ANN-PSO) برای انتخاب خصوصیات مؤثر استفاده گردید. خصوصیات مؤثر انتخابی جهت طبقه‌بندی حشرات عبارتند از: شاخص رنگی برای پوشش گیاهی استخراجی مربوط به فضای رنگی HSL، شاخص تفاضل نرمال شده مربوط به فضای رنگی LCH، کانال خاکستری مربوط به فضای رنگی YCbCr، شاخص مؤلفه دوم منهای مؤلفه سوم مربوط به فضای رنگی YCbCr، مساحت و میانگین مؤلفه های اول، دوم و سوم فضای رنگی Luv. نرخ شناسایی الگوریتم پردازش تصویر طراحی شده، 99.72درصد کل اشیا (زنجرک پسته، سوسک چوب‌خوار قرمز پسته و سایر حشره‌های غیر هدف و متفرقه) می‌باشد. شبکه‌های عصبی مصنوعی، توانایی طبقه‌بندی حشرات به سه کلاس (زنجرک پسته، سوسک چوب‌خوار قرمز پسته و سایر حشره‌های غیر هدف و متفرقه) و دو کلاس (زنجرک پسته و سوسک چوب‌خوار قرمز پسته) به‌ترتیب با دقت 91.53 و 99.59 درصد را دارند.