Optimización de la Captura y Procesamiento de Imágenes SWIR para la Detección de Defectos en Paneles Fotovoltaicos

Autores/as

  • Franklin Gómez-López Facultad de Ingeniería, Universidad de Cuenca, Cuenca, Ecuador https://orcid.org/0009-0006-0355-9389
  • Danny Ochoa-Correa Departamento de Ingeniería Eléctrica, Electrónica y Telecomunicaciones, Universidad de Cuenca, Cuenca, Ecuador https://orcid.org/0000-0001-5633-1480
  • Isabel Cabrera-Carrera Facultad de Ingeniería, Universidad de Cuenca, Cuenca, Ecuador

DOI:

https://doi.org/10.54753/cedamaz.v15i1.2487

Palabras clave:

Electroluminiscencia, SWIR, Paneles Fotovoltaicos, Procesamiento de Imágenes, Mantenimiento Preventivo

Resumen

Este trabajo desarrolla una metodología para la captura y procesamiento de imágenes en el rango de infrarrojo de onda corta (SWIR), orientada a la detección de defectos en paneles fotovoltaicos. Se emplearon sensores de Indio Galio Arseniuro (InGaAs) junto con técnicas de corrección de perspectiva, sustracción de fondo y mejora de contraste mediante el algoritmo CLAHE. Las pruebas experimentales confirmaron que una configuración adecuada de los parámetros de captura, combinada con un procesamiento eficiente, permite identificar con precisión defectos estructurales como grietas, zonas inactivas y discontinuidades en las barras colectoras. La metodología planteada puede aplicarse en programas de mantenimiento preventivo, contribuyendo a extender la vida útil de las instalaciones fotovoltaicas.

Citas

Buerhop-Lutz, C., Koehl, M., and Frick, T. (2018). Electroluminescence imaging for quality control of photovoltaic modules. Progress in Photovoltaics: Research and Applications, 26(9), 719–727.

Chen, L., He, J., and Tan, X. (2021). Defect detection in electroluminescence images of PV modules using deep learning and attention mechanisms. IEEE Access, 9, 160795–160806.

Espinoza, J. L., González, L. G., and Sempértegui, R. (2017). Micro grid laboratory as a tool for research on non-conventional energy sources in Ecuador. In 2017 IEEE International Autumn Meeting on Power, Electronics and Computing (ROPEC), 1–7.

International Electrotechnical Commission. (2021). IEC TS 60904-13: Photovoltaic Devices – Part 13: Electroluminescence Imaging for Crystalline Silicon Photovoltaic Modules. Geneva, Switzerland.

Jordan, D. C., and Kurtz, S. R. (2017). Photovoltaic degradation rates—an analytical review. Progress in Photovoltaics: Research and Applications, 25(8), 668–691.

Li, J., Zhang, P., and Wang, X. (2022). Detection of PV module defects using short-wave infrared electroluminescence imaging and advanced segmentation techniques. Solar Energy, 235, 285–294.

Lofstad-Lie, V., Aarseth, B. L., Roosloot, N., Marstein, E. S., and Skauli, T. (2024). Modeling cost-effectiveness of photovoltaic module replacement based on quantitative assessment of defect power loss. Solar, 4(4), 728–743.

Matusz-Kalász, D., Bodnár, I., and Jobbágy, M. (2025). An overview of CNN-based image analysis in solar cells, photovoltaic modules, and power plants. Applied Sciences, 15(10), 5511.

Mei, Q., Han, Y., and Zhao, M. (2020). A review of short-wave infrared (SWIR) imaging in industrial applications. Infrared Physics and Technology, 104, 103134.

Qin, Y., Wang, X., and Zhao, L. (2021). Application of deep learning techniques for PV panel defect detection using electroluminescence images. IEEE Transactions on Industrial Informatics, 17(9), 6485–6494.

Redondo-Plaza, A., Velasco-Bonilla, A. Z., Morales-Aragones, J. I., Zorita-Lamadrid, L., Alonso-Gómez, V., and Hernández-Callejo, L. (2025). Electroluminescence imaging based on FFT analysis for outdoor photovoltaic module inspection: A self-powered signal modulation approach. Applied Sciences, 15(9), 4606.

Rehman, A., Khan, U., and Zafar, A. (2023). Enhancement of PV module inspection using CLAHE-based image processing. Journal of Imaging, 9(2), 45.

Zhang, W., Liu, H., and Chen, Z. (2022). A comprehensive review on defect detection methods in photovoltaic panels. Renewable and Sustainable Energy Reviews, 153, 111730.

Descargas

Publicado

2025-06-30

Cómo citar

Gómez-López, F., Ochoa-Correa, D., & Cabrera-Carrera, I. (2025). Optimización de la Captura y Procesamiento de Imágenes SWIR para la Detección de Defectos en Paneles Fotovoltaicos. CEDAMAZ, 15(1), 48–54. https://doi.org/10.54753/cedamaz.v15i1.2487

Número

Vol. 15 Núm. 1 (2025): CEDAMAZ

Sección

Ciencias exactas e ingenierías

Licencia

Derechos de autor 2025 CEDAMAZ

Creative Commons License

Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.

Aquellos autores/as que tengan publicaciones con esta revista, aceptan los términos siguientes:

  1. Luego que el artículo científico es aceptado, para su publicación el o la autora aceptan ceder los derechos de la primera publicación a la Revista CEDAMAZ, conservando sus derechos de autor. Se permite la reproducción total o parcial de los textos que se publican siempre y cuando sea sin fines de lucro. Cuando se ejecute la reproducción total o parcial de los artículos científicos aceptados y publicados en la revista CEDAMAZ, se debe citar la fuente completa y la dirección electrónica de la publicación.

  2. Los artículos científicos aceptados y publicados en la revista CEDAMAZ pueden ser depositados por los autores de manera integra en cualquier repositorio sin fines comerciales.

  3. Los autores no deben distribuir los artículos científicos aceptados, pero que todavía no han sido publicados oficialmente por la revista CEDAMAZ. En el caso de incumplir esta norma implica el rechazo del articulo científico.

  4. La publicación de su obra, el cuál estará simultáneamente sujeto a la Licencia de reconocimiento de Creative Commons