태양광 패널 오염 감지 시스템 (Solar Clear)

SDGs #7 : Affordable and Clean Energy

기술 스택

백본 네트워크

YOLOv10: Real-Time End-to-End Object Detection
Ao Wang, Hui Chen, Lihao Liu, Kai Chen, Zijia Lin, Jungong Han, and Guiguang Ding

데이터셋

활용 데이터셋 : Panel Solar Dataset

• Source: Panel Solar Dataset, Solar panel dirt det

• 데이터셋 수량:

  • Test : 7,595장
  • Validation : 404장

• 손상 종류: 3개 (Bird-drop, Crack, Dusty)

• 📷 예시 이미지

⚙️ 모델 아키텍처

• 사용 모델: YOLOv10n
• 하이퍼파라미터 설정:
  • 학습률: 0.01
  • 배치 크기: 256
  • 옵티마이저: AdamW
  • 이미지 크기: 720 x 720

모델 학습

• 학습 환경:
  • CPU: Intel(R) Xeon(R) Silver 4214R CPU @ 2.40GHz
  • RAM: 220GB
  • GPU: NVIDIA A6000 48GB
• Epochs: 114회 (Early Stopping 적용)
• 손실 함수: Bounding Box Regression Loss, Objectness Loss, Classification Loss
• Data Augmentation:
  • 랜덤 회전 변환
  • 스케일 변환
  • 평행 이동

성능 평가

지표	Bird-Drop	Cracked	Dusty	종합
Precision	84.3%	84.3%	92.3%	88.4%
Recall	83.3%	64.1%	68.0%	76.0%
mAP@0.5	89.4%	76.2%	88.4%	84.2%

• 전체 mAP: 84.2%

모델 배포

모델은 Flask 기반의 RESTful API로 배포되었으며, /process_image 엔드포인트를 통해 이미지를 POST하면 JSON 형식의 탐지 결과를 반환합니다.

• 엔드포인트: POST /process_image
• 요청 데이터: 이미지 파일 (image 필드로 전송)
• 응답 데이터:
  • processed_image: 탐지 결과가 표시된 이미지 (Base64 인코딩)
  • detections: 탐지된 객체 정보 (라벨, 신뢰도, 바운딩 박스 좌표)

---

🚀 사용 방법

Python 버전 및 가상환경 설정

• 가상환경 생성: YOLOv10 가상환경을 설치합니다.

cd ./flask_web/yolov10
conda create -n yolov10 python=3.9
conda activate yolov10
pip install -r requirements.txt
pip install -e .

• 실행 :

flask_web 디렉토리로 이동
python app.py

• 🔎 탐지 예시 :