Solar panel inspection device using drone

The present invention relates to a solar panel inspection apparatus using a drone. The solar panel inspection apparatus using a drone includes: a wireless communication part performing wireless communication to receive an image of a solar panel installed for power production, from a drone; a micro controller unit (MCU) performing a control operation to detect a defect from the image of the solar panel provided from the wireless communication part; and a you only look once (YOLO) accelerator extracting the defect formed on the solar panel from the image of the solar panel through a deep learning-based YOLO algorithm, classifying the defect, and embodied with a field programmable gate array (FPGA). In accordance with the present invention, since a deep learning accelerator for a drone employing the FPGA, in which the YOLO algorithm is embodied, is used for the first time in the country, the solar panel inspection apparatus can have effects of increasing the efficiency of real-time processing due to the acceleration of an algorithm while minimizing power consumption, enabling optimization for diagnosis on the defect of a solar panel using a drone due to the embodiment of a low-heat and low-power scheme, improving reliability in the defect detection of a solar panel to reduce manpower and costs required for the maintenance and management of the solar panel in a broad area, and, furthermore, dealing with the paradigm of an artificial intelligence image processing service market of drones, becoming gradually expanded and subdivided. 본 발명은 전력 생산을 위해 설치되는 태양광 패널의 이미지를 드론으로부터 제공받도록 무선 통신을 수행하는 무선통신부; 상기 무선통신부로부터 제공받은 태양광 패널의 이미지로부터 결함 검출을 위한 제어를 수행하는 MCU(Micro Controller Unit); 및 상기 태양광 패널의 이미지로부터 상기 태양광 패널에 형성되는 결함을 딥러닝 기반의 YOLO(You Only Look Once) 알고리즘을 이용하여 추출하고, 상기 결함에 대해서 분류하도록 하며, FPGA(Field Programmable Gate Array)로 구현되는 YOLO 가속기;를 포함하도록 한 드론을 이용한 태양광 패널 검사장치에 관한 것이다. 본 발명에 따르면, 국내 최초로 YOLO(You Only Look Once) 알고리즘이 구현된 FPGA가 적용된 드론용 딥러닝 가속기를 사용함으로써, 전력소모를 최소화하면서도 알고리즘의 가속화에 따른 실시간 처리의 효율성을 높일 수 있고, 저발열 및 저전력의 구현으로 인해 드론을 이용한 태양광 패널의 결함 진단시에 최적화되도록 할 수 있으며, 태양광 패널의 결함 검출의 신뢰성을 향상시키도록 함으로써, 광범위한 영역의 태양광 패널의 유지 및 관리에 소요되는 인원과 비용을 줄일 수 있고, 나아가서, 점점 확대되고 세분화되어가는 드론의 인공지능 영상처리 서비스 시장의 패러다임에 능동적으로 대처할 수 있도록 하는 효과를 가진다.