- -

Wind Turbine Blade Damage Identification using Deep Learning Algorithms

RiuNet: Repositorio Institucional de la Universidad Politécnica de Valencia

Compartir/Enviar a

Citas

Estadísticas

  • Estadisticas de Uso

Wind Turbine Blade Damage Identification using Deep Learning Algorithms

Mostrar el registro sencillo del ítem

Ficheros en el ítem

dc.contributor.advisor Paredes Palacios, Roberto es_ES
dc.contributor.author Pizarro Muñoz, Juan Segundo es_ES
dc.date.accessioned 2020-01-07T07:35:47Z
dc.date.available 2020-01-07T07:35:47Z
dc.date.created 2019-09-26 es_ES
dc.date.issued 2020-01-07 es_ES
dc.identifier.uri http://hdl.handle.net/10251/133954
dc.description.abstract [ES] El buen estado de las palas en los aerogeneradores es primordial para el correcto funcionamiento y óptima generación de energía. Por ello el monitoreo y reparación de las palas son tareas habituales en el ciclo de vida de un parque eólico. Las tareas de adquisición de imágenes, revisión y clasificación de la gravedad de los de daños son demandantes en tiempo y requieren personal cualificado, además de ser muy riesgosas ya que algunas se realizan en altura. También es necesario detener los aerogeneradores durante la inspección, lo que disminuye la capacidad de producción energética. En este TFM el objetivo es evaluar distintos algoritmos de redes de aprendizaje profundo, deep learning networks, para apoyar en la tarea de detección y clasificación de los de daños a partir de fotografías de las palas de los aerogeneradores. Para ello se dispone de imágenes con daños, ej. grietas , agujeros, entre otros, que han sido capturadas en distintos parques eólicos y en distintos modelos de palas. es_ES
dc.description.abstract [EN] The good condition of wind turbine blades is essential for correct operation and optimum generation of energy. Therefore, monitoring and repairing the blades are common tasks in the life cycle of a wind farm. The tasks of image acquisition, inspection and damage classification are demanding in time and require expert knowledge, in addition to being very risky since some are performed at height. It is also necessary to stop the wind turbines during the inspection, which decreases the energy production capacity. This Master Thesis objective is to evaluate algorithms of deep learning networks, to support the task of detection and classification of damages in photographs of the wind turbine blades. To do this, a dataset of images with damages is available, e.g. cracks, holes, among others, images of different blade models captured in different wind farms. en_EN
dc.language Inglés es_ES
dc.publisher Universitat Politècnica de València es_ES
dc.rights Reconocimiento - No comercial - Compartir igual (by-nc-sa) es_ES
dc.subject Redes de Aprendizaje Profundo es_ES
dc.subject Redes Convolucionales es_ES
dc.subject Detección es_ES
dc.subject Identificación es_ES
dc.subject Clasificación es_ES
dc.subject Daños es_ES
dc.subject Turbina Eólica es_ES
dc.subject Drone es_ES
dc.subject UAV es_ES
dc.subject Deep Learning Networks en_EN
dc.subject Convolutional Networks en_EN
dc.subject Detection en_EN
dc.subject Identification en_EN
dc.subject Classification en_EN
dc.subject Damage en_EN
dc.subject Wind Turbine Blade en_EN
dc.subject.classification LENGUAJES Y SISTEMAS INFORMATICOS es_ES
dc.subject.other Máster Universitario en Inteligencia Artificial, Reconocimiento de Formas e Imagen Digital-Màster Universitari en Intel·Ligència Artificial: Reconeixement de Formes i Imatge Digital es_ES
dc.title Wind Turbine Blade Damage Identification using Deep Learning Algorithms es_ES
dc.type Tesis de máster es_ES
dc.rights.accessRights Abierto es_ES
dc.contributor.affiliation Universitat Politècnica de València. Departamento de Sistemas Informáticos y Computación - Departament de Sistemes Informàtics i Computació es_ES
dc.description.bibliographicCitation Pizarro Muñoz, JS. (2019). Wind Turbine Blade Damage Identification using Deep Learning Algorithms. http://hdl.handle.net/10251/133954 es_ES
dc.description.accrualMethod TFGM es_ES
dc.relation.pasarela TFGM\112876 es_ES


Este ítem aparece en la(s) siguiente(s) colección(ones)

Mostrar el registro sencillo del ítem