Banca de DEFESA: GILMAR HOLANDA DA PAIXAO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : GILMAR HOLANDA DA PAIXAO
DATA : 31/08/2026
HORA: 08:30
LOCAL: https://meet.google.com/ihp-orhz-qkr
TÍTULO:

FERRAMENTA DE DETECÇÃO DE FALHAS EM MÓDULOS FOTOVOLTAICOS UTILIZANDO VISÃO COMPUTACIONAL

PALAVRAS-CHAVES:

Energia fotovoltaica; Visão computacional; Inteligência artificial; Aprendizado profundo; YOLO; Manutenção preditiva; Sustentabilidade.

PÁGINAS: 182
RESUMO:

A expansão da geração de energia solar fotovoltaica no Brasil tem intensificado a necessidade de soluções capazes de aumentar a confiabilidade operacional dos sistemas e otimizar os processos de inspeção e manutenção. Entretanto, falhas como microtrincas, regiões eletricamente inativas, defeitos nas trilhas condutoras e outras anomalias estruturais podem reduzir significativamente o desempenho dos módulos fotovoltaicos, exigindo métodos de diagnóstico cada vez mais precisos e eficientes. Nesse contexto, esta pesquisa teve como objetivo desenvolver uma ferramenta tecnológica baseada em visão computacional para a detecção automática de falhas em módulos fotovoltaicos a partir de imagens de eletroluminescência, utilizando técnicas de aprendizado profundo. A pesquisa adotou abordagem aplicada, de natureza tecnológica, contemplando a prospecção tecnológica, a preparação do conjunto de dados, o pré-processamento das imagens, o treinamento supervisionado da arquitetura YOLOv8, a avaliação do desempenho por métricas internacionalmente reconhecidas e o desenvolvimento de uma plataforma web denominada SolarVision, destinada à aplicação prática do modelo desenvolvido. O conjunto de dados foi composto por aproximadamente 4.500 imagens anotadas de células fotovoltaicas obtidas em bases internacionais, abrangendo diferentes categorias de defeitos estruturais e elétricos. O modelo foi treinado utilizando GPU dedicada, empregando técnicas de aumento de dados (data augmentation) e validação por meio das métricas Precision, Recall, F1-Score e mean Average Precision (mAP). Os resultados demonstraram desempenho satisfatório, alcançando mAP@0.5 de 87,3%, Recall máximo de aproximadamente 96%, Precisão máxima de 100% e F1-Score máximo de aproximadamente 83%, evidenciando elevada capacidade para localizar e classificar automaticamente diferentes categorias de falhas em imagens de eletroluminescência. Além do desenvolvimento do modelo de inteligência artificial, a pesquisa resultou na implementação da plataforma SolarVision, que integra o algoritmo de detecção a uma interface web intuitiva, permitindo a análise automatizada das imagens, a visualização das regiões defeituosas, a classificação das falhas e a apresentação dos respectivos índices de confiança. Como contribuição adicional, foi proposto um modelo de negócio baseado em Software as a Service (SaaS), permitindo que empresas, laboratórios e organizações que já utilizam equipamentos para aquisição de imagens de eletroluminescência possam submeter essas imagens à plataforma para processamento automatizado, contribuindo para otimizar o fluxo de inspeção, reduzir o tempo de diagnóstico e apoiar estratégias de manutenção preditiva. Sob a perspectiva da Propriedade Intelectual, a solução desenvolvida apresenta potencial para proteção como programa de computador e futura transferência de tecnologia ao setor produtivo. Conclui-se que a ferramenta proposta demonstra viabilidade técnica para aplicação em inspeções automatizadas de sistemas fotovoltaicos, contribuindo para o avanço da utilização de inteligência artificial no setor de energia solar e fortalecendo a integração entre pesquisa científica, inovação tecnológica, propriedade intelectual e transferência de tecnologia.

MEMBROS DA BANCA:
Externo à Instituição - FABRÍCIO MOLICA DE MENDONÇA - UFSJ
Interno - 1824695 - GERALDO NEVES DE ALBUQUERQUE MARANHAO
Externo à Instituição - GILBERTO FIGUEIREDO PINTO FILHO - UFF
Externo à Instituição - JOÃO PEDRO DE SOUZA ALVES - UEMA
Presidente - 2389020 - WERBESTON DOUGLAS DE OLIVEIRA