SolarCleano: l’AI pour traquer les défauts dans les panneaux solaires

[Cet article fait partie d’une série de contenus développée en collaboration avec la FEDIL, présentant comment l’intelligence artificielle contribue à la transformation digitale de l’économie luxembourgeoise.]

L’énergie photovoltaïque progresse d’année en année. Selon le groupe énergétique français EDF, la part de l'électricité produite en 2023 dans le monde à partir de l'énergie solaire photovoltaïque a représenté 5,4% de la production totale d'électricité, en hausse de 25% par rapport à 2022. 

Au Luxembourg, cette part est largement supérieure, puisqu’en 2024, selon les données de l’Institut luxembourgeois de régulation, elle était de près d’un quart de la production nationale d’électricité, en hausse de 22,4% en un an. 

Avec une puissance installée de près de 550 MW installés, le photovoltaïque arrive largement en tête du mix renouvelable du pays, très loin devant l’éolien (215 MW) et la biomasse (75 MW).

L’expansion rapide et continue des centrales solaires, comprenant des milliers de modules photovoltaïques, a accru la demande pour un nettoyage, une surveillance et une maintenance efficaces. 

En collaboration avec le SnT

Créée en 2017 au Luxembourg, SolarCleano est une société de robotique qui s’est spécialisée en matière d'innovation dans le nettoyage des panneaux solaires. Ses robots autonomes opèrent dans plus de 100 pays à travers le monde, nettoyant des centaines de gigawatts d'installations solaires.

«Bien que les panneaux photovoltaïques aient une durée de vie attendue allant jusqu'à 25 ans, ils se dégradent à un rythme annuel moyen de 0,5%, ce qui peut augmenter considérablement en raison du stress environnemental et du vieillissement des matériaux», précise Andreas Kokkas, R&D Project Leader chez SolarCleano. 

Un contrôle de qualité manuel étant inenvisageable, compte tenu de l’immensité des fermes solaires, la société a planché, avec le Centre interdisciplinaire pour la sécurité, la fiabilité et la confiance (SnT) et l'Institut de recherche en énergie solaire de Hamelin (ISFH), sur des solutions s’appuyant sur les avancées en robotique et en intelligence artificielle, en particulier la vision par ordinateur. 

Ainsi sont nés les ambitieux projets PVDetects / Spider AI (acronyme de Solar panel identification and defect recognition using artificial intelligence), transformant le robot de nettoyage autonome de SolarCleano en une plateforme intelligente et multifonctionnelle capable d'inspecter des modules photovoltaïques grâce à l'imagerie thermique et RVB de pointe, associée à une intelligence artificielle intégrée. 

«Le projet intègre du matériel et des logiciels de pointe, incluant l'acquisition de données, le développement de jeux de données et un flux de travail complet d'inspection basé sur le Robot Operating System (ROS)», précise Shiva Hanifi, doctorante en vision robotique au sein du SnT. 

Caméras, capteurs, calculs…

Le système intègre des caméras RVB et thermiques, des capteurs, un éclairage LED et des calculs embarqués. Combiné à des modules d’analyse développé par le SnT, le système permet au robot d’intégrer dans des modèles de détection de défauts toutes les images capturées de manière autonome. 

La détection des défauts sur les panneaux peut être réalisée à l'aide de plusieurs modalités d'imagerie: l'électroluminescence, la photoluminescence, l'infrarouge, l'ultraviolet ou encore l'imagerie RVB visuelle. «Chaque modalité présente des avantages distincts selon les conditions d'imagerie, la sensibilité de détection et les types de défauts spécifiques d'intérêt», explique Guillaume Dewez, ingénieur en mécatronique chez SolarCleano, en charge de superviser les progrès techniques et opérationnels sur l'ensemble du projet PVDetects.

L'imagerie visuelle RVB et infrarouge s'est révélée la plus appropriée, car elle ne nécessite aucune interaction physique avec les modules photovoltaïques. Les robots de nettoyage ont donc été équipés des caméras appropriées pour capturer des images cohérentes et en haute résolution, soutenues par une collecte étendue de données de jour et de nuit dans de multiples environnements opérationnels. Les images collectées sont annotées afin de constituer un ensemble de données robuste de défauts sur les panneaux solaires, continuellement étendu et utilisé pour entraîner des modèles de détection d'anomalies. «Ce projet représente un bond en avant majeur dans les opérations solaires intelligentes, prolongeant la durée de vie des actifs photovoltaïques, optimisant les rendements énergétiques et établissant une nouvelle référence dans l'industrie.»

Une meilleure maintenance à long terme

Les utilisateurs de ce système bénéficient d'informations en temps réel et exploitables sur l'état de leurs actifs photovoltaïques. Cela permet une intervention plus précoce, minimise les temps d'arrêt et permet une meilleure planification de maintenance à long terme. Le tout dans un cadre de sécurité amélioré, puisque les inspections manuelles sont drastiquement réduites. 

Le projet, désormais sur les rails, va progressivement intégrer des modalités d'imagerie supplémentaires, permettant la détection d'une gamme plus large de défauts, dans des conditions environnementales et opérationnelles variables. «À mesure que notre jeu de données continue de croître, nous affinerons et comparerons de nouveaux modèles d'IA afin d'améliorer encore la précision et la robustesse de la détection à travers différents types de panneaux et configurations d'installation.»

Des efforts parallèles se concentreront sur l'optimisation du traitement embarqué, permettant une analyse en temps réel plus rapide et plus détaillée directement sur les robots, mais aussi sur l’intégration d’analyses prédictives capables de prévoir les schémas de dégradation et d'orienter les stratégies de gestion des actifs à long terme. «Cela contribuera au développement d’infrastructures photovoltaïques plus résilientes et efficaces.»