Ispezione di impianti fotovoltaici su larga scala da parte di un UAV autonomo: pianificazione e controllo.

Abstract

I veicoli aerei senza pilota (UAV), o droni, sono una tecnologia recente che si è dimostrata preziosa in vari contesti professionali nonostante alcune limitazioni, in particolare per quanto riguarda la durata della batteria. La comunità scientifica prevede che il loro utilizzo nella vita quotidiana diventerà sempre più diffuso in futuro. Attualmente, la ricerca sta progredendo in diverse direzioni, con un focus sullo sviluppo ulteriore della loro capacità di volo autonomo, che è una questione complessa nel campo della robotica. Anche se sono ancora nelle prime fasi di sviluppo, i droni a volo autonomo sono già utilizzati in una vasta gamma di settori, dalla militare all'agricoltura e al commercio. Questa tesi esplora un possibile utilizzo di una piattaforma UAV nel contesto di un compito di ispezione specifico. Lo studio approfondisce l'uso dei droni per il monitoraggio autonomo e l'ispezione delle installazioni fotovoltaiche, seguendo percorsi predefiniti. La tesi esamina questa applicazione in dettaglio, suddividendola in due sezioni principali. La prima parte è dedicata alla ricerca del percorso più efficiente per far coprire all'UAV l'intera centrale solare, utilizzando immagini satellitari e tecniche di Machine Learning (ML) e geolocalizzazione per geolocalizzare l'impianto e determinare il miglior percorso per coprirlo. La seconda parte è incentrata sull'individuazione del metodo ottimale per controllare l'UAV al fine di raccogliere dati in modo efficiente lungo il percorso designato. Pertanto, si concentrerà sullo sviluppo di un algoritmo basato su visione che utilizza tecniche di controllo basate sulla visione e l'estrazione di caratteristiche basate su ML per localizzare e rilevare i pannelli solari, consentendo al drone di seguire in modo sicuro il percorso prestabilito. Simulazioni e test in laboratorio convalidano le prestazioni delle strategie suggerite e infine, l'algoritmo sarà testato in un ambiente del mondo reale.

Unmanned Aerial Vehicles (UAVs), or drones, are a recent technology that have proven to be valuable in various professional contexts despite some limitations, particularly with regards to battery life. The scientific community expects that their use in daily life will become increasingly prevalent in the future. Research is currently advancing in multiple directions, with a focus on further developing their autonomous flying ability, which is a complex issue in the field of robotics. Even though they are still in the early stages of development, autonomous flying drones are already used in a wide range of fields, from the military to agriculture and commerce. This thesis explores a potential use for a UAV platform in the context of a specific inspection task. The study delves into the use of drones for autonomous monitoring and inspection of solar power installations by following pre-determined paths. The thesis examines this application in depth, breaking it down into two main sections. The first part is dedicated to finding the most efficient path for the drone to cover the entire solar plant by using satellite images and Machine Learning (ML) and geo-localization techniques to geolocalize the facility and determine the best path to cover it. The second portion is focused on identifying the optimal method of controlling the UAV to efficiently gather data along the designated path. Therefore, it will focus on the development of a visual based algorithm that uses visual-servoing control techniques and ML based features extraction to localize and detect solar panels, allowing the drone to safely follow the predetermined path. Simulations, in-lab tests validate the performance of the suggested strategies and finally, the algorithm will be tested in a real word environment.