Proyecto georef

Proyecto Georef Doc: [login to view URL] Sunai es una empresa inmersa en el rubro de las energías renovables la cual a través de un servicio digital SaaS maximiza el performance de las plantas fotovoltaicas a través de inteligencia artificial para señalar oportunidades de mejora, alertas de funcionamiento y/o predicciones de operación y falla; a través de un software que converge estas diferentes soluciones denominado Neural. El proyecto trata de poder encontrar, analizar y ubicar “puntos calientes” o “hotspot” en paneles fotovoltaicos, a través de fotografías térmicas aéreas tomadas con drones de la planta completa. Estas imágenes son partes o secciones de la planta, por tanto, deben “armarse” sobre el plano general de la planta como una especia de rompecabezas, de modo de posteriormente, poder detectar los puntos calientes y determinar en qué posición de la planta se encuentran los puntos calientes y a qué panel fotovoltaico pertenece. Cada una de las plantas analizadas cuenta con un archivo de la planta completa, la cual internamente cuenta con una metadata de su posición geoespacial en la tierra, la cual sirve como referencia para poder indicar en qué parte se encuentra el hotspot ubicado sobre la planta. La detección de los puntos calientes implica una necesidad que poseen las áreas de mantención de la planta fotovoltaica, dado que deben conocer dónde se encuentran los puntos calientes (invisibles al ojo humano) y proceder a la mantención o reparación del panel, de ser necesario. Los puntos calientes se producen por la pérdida de la eficiencia de conversión solar/eléctrica dado por sobras que llegan al panel, fecas de animales, animales muertos sobre el panel, entre otros. Actualmente, ya existe un desarrollo avanzado del cual quien tome el proyecto, deberá levantar, evaluar lo que se encuentra programado y continuar con el desarrollo. Se encuentra confeccionado en Python y las librerías integradas para el análisis de puntos calientes y tratamiento de imágenes son: rasterio skimage numpy pickle pandas psycopg2 torch s3 Objetivos específicos ayudar a verificar el levantamiento del proyecto creando los casos de uso y diagrama de secuencia tanto de cómo operará el script Python tanto como deberá interactuar el sitio web para que pueda entregar los inputs al script Python (imágenes clasificadas) y como deberá leer los outputs del script Python para que el sitio web los muestre correctamente al usuario. levantar y evaluar el script de lo que se encuentra programado y continuar con el desarrollo apoyar en la estimación de horas de trabajo en cada sprint de desarrollo y definir la hoja de ruta hasta la entrega final de la versión 1.0 de la aplicación identificar los puntos calientes de las imágenes térmicas aéreas de la planta programar el calce de las imágenes térmicas tomadas por el dron sobre la imagen aérea completa de la planta para identificar la posición de los puntos calientes dentro de la planta, o: en caso que el factor de riesgo de posicionar las imágenes sobre el plan es alto y la eficacia del analizador de imágenes falla frecuentemente, crear un método para cargar imágenes en cierto orden y otro modo para catalogar la carga de imágenes registrar la posición lat/long (o similar) donde se encuentra el hotspot encontrado y registrarlo en la BBDD indicar cuál panel fotovoltaico es el que tiene el hotspot, indicando su código y ubicación dentro de la planta mostrar una imagen del punto caliente recortado junto con los datos del panel al que pertenece y su ubicación registrar la data solicitada en el modelo de datos (PostgreSQL) (implementado en la BBDD) procesar las imágenes desde un bucket S3 registrar información de hallazgos encontrados en tabla de hallazgos (puntos calientes encontrados)