বেড়ার বাইরে থেকে একটি সম্পূর্ণ সোলার ফার্ম শান্ত দেখায়: সোজা সারি, নীল কাচ, পরিষ্কার কংকর রাস্তা। প্রকল্প ব্যবস্থাপকের পর্দায় এটি একটি চলমান ইনভেন্টরি সমস্যা। সব মডিউল বসানো হয়েছে কি? কোন সারিতে একটি প্যানেল নেই? হ্যান্ডঅফ ছবিটি কি উপকরণ তালিকার সঙ্গে মেলে?
সোলার প্যানেল গণনা হলো বাস্তব উত্তর। IEA জানিয়েছে 2024 সালে প্রায় 700 GW নবায়নযোগ্য ক্ষমতা যুক্ত হয়েছে, এবং তার তিন-চতুর্থাংশের বেশি এসেছে সোলার PV থেকে। সাইট এত দ্রুত বাড়লে হাতে সারি ধরে হাঁটা এবং স্প্রেডশিটে দাগ দেওয়া যথেষ্ট নয়। ড্রোন ছবি ও AI গণনা দলকে একটি পুনরাবৃত্তিযোগ্য পদ্ধতি দেয়, যাতে মাঠের ছবি থেকে মডিউল মোট, অগ্রগতি যাচাই এবং শেয়ারযোগ্য রেকর্ড তৈরি করা যায়।
প্যানেলের সংখ্যা কেন সরে যায়
PV মডিউল একই রকম দেখানোর জন্য তৈরি। বিদ্যুৎ উৎপাদনের জন্য এটি ভালো, কিন্তু হাতে গণনার জন্য খারাপ। 10 MW সাইটে রাস্তা, ইনভার্টার, ড্রেনেজ এবং জমির বাঁক ঘিরে সাজানো দশ হাজারের বেশি আয়তক্ষেত্র থাকতে পারে। মাটি থেকে একটি অনুপস্থিত মডিউল দৃষ্টিকোণে লুকিয়ে যায়। স্প্রেডশিটে বাদ পড়া একটি সারি কপি করা সংখ্যার আড়ালে লুকায়। এই বিচ্যুতি সাধারণত নির্মাণ রিপোর্ট, কমিশনিং ও অপারেশনে দেখা যায়, ঠিক যখন দলকে বিশ্বাসযোগ্য সংখ্যা দরকার হয়।
ড্রোন থেকে গণনা পর্যন্ত workflow
এই workflow পূর্ণ পরিদর্শন প্রোগ্রামের চেয়ে সহজ। একটি ব্লক ধারাবাহিক গ্রিড পথে উড়ান। অরথোমোজাইক বা স্পষ্ট overlapping ছবি ব্যবহার করুন। মডেলকে প্রতিটি প্যানেল আয়তক্ষেত্র শনাক্ত করতে দিন। শনাক্তকরণগুলো সারি, স্ট্রিং বা ইনভার্টার ব্লক অনুযায়ী group করুন। বাদ পড়া ও ভুল শনাক্তকরণ যাচাই করে চিহ্নিত উৎস ছবিসহ গণনা export করুন। লক্ষ্য কোনো জাদুকরি সংখ্যা নয়। লক্ষ্য এমন গণনা যা মাঠের দায়িত্বপ্রাপ্ত ব্যক্তি প্রতিটি আইল না হেঁটেও যাচাই করতে পারে।
মাঠের checklist
- এত কাছে উড়ান যাতে প্রতিটি মডিউলের প্রান্ত পরিষ্কার দেখা যায়, শুধু অন্ধকার রেখা নয়।
- সাইট যতটা অনুমতি দেয়, ক্যামেরা ততটা সোজা নিচের দিকে রাখুন।
- তীব্র glare এড়িয়ে চলুন; সকাল বা শেষ বিকেলের আলো প্রান্তকে বেশি স্পষ্ট করে।
- ছবির সীমানায় প্যানেল হারিয়ে না যায়, তাই overlap রেখে পুরো সারি ধরুন।
- আগে ব্লক অনুযায়ী গণনা করুন, তারপর ব্লকগুলো যোগ করে সাইটের মোট তৈরি করুন।
AI কোথায় সবচেয়ে কাজের
AI সোলার ইঞ্জিনিয়ারদের বদলে দেয় না। এটি সেই কাজ সরিয়ে দেয় যেখানে একজন মানুষ 45 মিনিট একই pattern স্ক্রল করে জায়গা না হারানোর চেষ্টা করে। সংখ্যা যখন শুধু রিপোর্ট পূরণ নয়, সিদ্ধান্তকে সহায়তা করে, তখন এটি সবচেয়ে গুরুত্বপূর্ণ।
crew সাইট ছাড়ার আগে সম্পন্ন সারি contract milestone-এর সঙ্গে মিলিয়ে দেখুন এবং সরঞ্জাম কাছে থাকতেই missing module ধরুন।
installed count-কে design package-এর সঙ্গে মিলিয়ে owner block sign off করার আগে gap চিহ্নিত করুন।
repair, storm বা vegetation clearing-এর পরে প্রতিটি সারিতে মানুষ না পাঠিয়ে আবার গুনুন।
গণনা পরিদর্শনের দরজা
শুধু মোট সংখ্যা নয়, আরও কিছু দরকারি হয়। প্রতিটি মডিউলে detection marker থাকলে প্রতিটি প্যানেলের ছবির মধ্যে একটি location থাকে। এতে defect review, thermal check, vegetation issue ও cleaning route-এর জন্য base layer তৈরি হয়। একটি computer vision study সাতটি plant থেকে 107,842 PV module বের করেছে, 4.3 million infrared module image তৈরি করেছে এবং 10 common anomaly 90% এর বেশি test accuracy-তে classify করেছে। গণনা সেই richer inspection map-এর প্রথম ধাপ।
মূল কথা
সোলার ফার্ম repeated parts দিয়ে তৈরি, তাই AI গণনার জন্য এগুলো আদর্শ। মডেল ধৈর্য ধরে scan করে। মানুষ edge case দেখে এবং সংখ্যার অর্থ ঠিক করে। সেরা ফল আসে এই জুটি থেকে: পরিষ্কার drone image, দ্রুত first count, এবং marked panel-এর সংক্ষিপ্ত review।
পরের drone flight-এ একটি block বেছে নিন এবং কেউ rows হাঁটার আগে image থেকে সেটি গুনুন। ছবিটি যদি প্রতিটি module edge দেখানোর মতো sharp হয়, তবে সেটি সম্ভবত reliable count তৈরির জন্যও যথেষ্ট sharp।