ଓଡ଼ିଶାର ନ୍ୟାସନାଲ୍ ଇନ୍ଷ୍ଟିଟ୍ୟୁଟ୍ ଅଫ୍ ଟେକ୍ନୋଲୋଜି (NIT) ରାଉରକେଲାର ଗବେଷକମାନେ ସୌର ଶକ୍ତି କ୍ଷେତ୍ରରେ ଏକ ବଡ଼ ସଫଳତା ହାସଲ କରିଛନ୍ତି। ସେମାନେ କୃତ୍ରିମ ବୁଦ୍ଧିମତା (AI) ଆଧାରିତ ଏକ ସ୍ୱୟଂଚାଳିତ ପ୍ରଣାଳୀ ବିକାଶ କରିଛନ୍ତି, ଯାହା ସୋଲାର ପ୍ୟାନେଲକୁ ସବୁବେଳେ ନୁହେଁ, ବରଂ ଆବଶ୍ୟକ ହେଲେ ମାତ୍ର ଚିହ୍ନଟ କରି ସଫା କରିବ। ଏହି ଅଭିନବ ପ୍ରଯୁକ୍ତି ପାଇଁ ଭାରତୀୟ ପେଟେଣ୍ଟ ମଧ୍ୟ ମିଳିଛି।
ଏହି ପ୍ରଯୁକ୍ତିର ନାମ “Federated Learning based Autonomous System and Method for Monitoring and Cleaning Solar Plant”। ଏହାକୁ NIT ରାଉରକେଲାର କମ୍ପ୍ୟୁଟର ସାଇନ୍ସ ଓ ଇଞ୍ଜିନିୟରିଂ ବିଭାଗର ପ୍ରଫେସର ଅରୁଣ କୁମାର, ପ୍ରଫେସର ବିଭୂଦତ୍ତ ସାହୁ ଏବଂ ଗବେଷକ ଡ଼. ଲୋପାମୁଦ୍ରା ହୋତା ଓ ଡ଼. ବିରଜା ପ୍ରସାଦ ନାୟକ ମିଳିତ ଭାବେ ବିକାଶ କରିଛନ୍ତି।
ଏହି ସିଷ୍ଟମରେ Federated Learning (FL) ନାମକ ଆଧୁନିକ AI ପ୍ରଯୁକ୍ତି ବ୍ୟବହାର କରାଯାଇଛି। ଏହା ସୋଲାର ପ୍ୟାନେଲର ତଥ୍ୟକୁ ସିଧାସଳଖ କେନ୍ଦ୍ରୀୟ ସର୍ଭରକୁ ପଠାଇବା ପରିବର୍ତ୍ତେ କେବଳ ସୁରକ୍ଷିତ ଓ ଏନ୍କ୍ରିପ୍ଟେଡ୍ ସୂଚନା ଆଦାନପ୍ରଦାନ କରେ। ଫଳରେ ଡାଟା ସୁରକ୍ଷା ବଢ଼ିବା ସହ ସାଇବର ବିପଦ, ବ୍ୟାଣ୍ଡୱିଡ୍ଥ ବ୍ୟବହାର ଓ ଗୋପନୀୟତା ସମ୍ବନ୍ଧୀୟ ସମସ୍ୟା କମିଥାଏ।
ଗବେଷକଙ୍କ କହିବା ଅନୁସାରେ, ଧୂଳି, ପକ୍ଷୀଙ୍କ ମଳ ଓ ଶିଳ୍ପ କାରଖାନାର ପ୍ରଦୂଷକ ପଦାର୍ଥ ଯୋଗୁଁ ସୋଲାର ପ୍ୟାନେଲର କାର୍ଯ୍ୟକ୍ଷମତା ୪୦ ପ୍ରତିଶତ ପର୍ଯ୍ୟନ୍ତ କମିଯାଇପାରେ। ବିଶେଷକରି ଶୁଷ୍କ ଅଞ୍ଚଳର ବଡ଼ ସୌର ପ୍ରକଳ୍ପଗୁଡ଼ିକରେ ଏହି ସମସ୍ୟା ଅଧିକ ଦେଖାଯାଏ। ବର୍ତ୍ତମାନ ବ୍ୟବହୃତ ସଫେଇ ପ୍ରଣାଳୀରେ ଅଧିକ ଶ୍ରମ, ପାଣି ଓ ସମୟ ଲାଗୁଥିବା ବେଳେ ନିର୍ଦ୍ଦିଷ୍ଟ ସମୟ ଅନୁଯାୟୀ ସଫା କରାଯାଏ, ପ୍ୟାନେଲର ପ୍ରକୃତ ଅବସ୍ଥାକୁ ବିଚାର କରାଯାଏ ନାହିଁ।
ନୂଆ AI ଆଧାରିତ ପ୍ରଣାଳୀ ସ୍ୱୟଂଚାଳିତ ଭାବେ କେଉଁ ପ୍ୟାନେଲରେ ଧୂଳି କିମ୍ବା ମଇଳା ଜମିଛି ତାହା ଚିହ୍ନଟ କରିବ। ଯେଉଁ ପ୍ୟାନେଲର ସଫେଇ ଆବଶ୍ୟକ, କେବଳ ସେଗୁଡ଼ିକୁ ହିଁ ସଫା କରାଯିବ। ଏହା ସହ ଏହି ପ୍ରଯୁକ୍ତିରେ Edge Computing, Predictive Maintenance ଓ Autonomous Fault Detection ଭଳି ଆଧୁନିକ ବ୍ୟବସ୍ଥା ରହିଛି, ଯାହା ସୋଲାର ପ୍ଲାଣ୍ଟର କାର୍ଯ୍ୟକ୍ଷମତାକୁ ଆହୁରି ବଢ଼ାଇବ।
ବର୍ତ୍ତମାନ ଏହି ପ୍ରଯୁକ୍ତି Technology Readiness Level (TRL)-3 ପର୍ଯ୍ୟାୟରେ ସିମୁଲେସନ୍ ମାଧ୍ୟମରେ ସଫଳତାର ସହ ପରୀକ୍ଷା କରାଯାଇଛି। ଆଗାମୀ ଦିନରେ IoT ସେନ୍ସର ସହିତ ହାର୍ଡୱେର ପ୍ରୋଟୋଟାଇପ୍ ପ୍ରସ୍ତୁତ କରି ସରକାରୀ ସଂସ୍ଥା ଓ ଶିଳ୍ପ କ୍ଷେତ୍ର ସହଯୋଗରେ ପାଇଲଟ୍ ପ୍ରକଳ୍ପ ଆରମ୍ଭ କରିବାକୁ ଗବେଷକମାନେ ଯୋଜନା କରିଛନ୍ତି।
ଏହି AI ପ୍ରଯୁକ୍ତି ବଡ଼ ସୋଲାର ପାର୍କ, ଫ୍ଲୋଟିଂ ସୋଲାର ଫାର୍ମ, ଘର ଛାତ ଉପରେ ଥିବା ସୋଲାର ପ୍ୟାନେଲ, ଶିଳ୍ପ କ୍ଷେତ୍ର, ସ୍ମାର୍ଟ ସିଟି, ପ୍ରତିରକ୍ଷା ପ୍ରତିଷ୍ଠାନ ଏବଂ ଦୂରବର୍ତ୍ତୀ ଅଫ୍-ଗ୍ରିଡ୍ ଅଞ୍ଚଳରେ ବ୍ୟବହାର କରାଯାଇପାରିବ।
ଗବେଷକଙ୍କ ଆକଳନ ଅନୁଯାୟୀ, ବ୍ୟବସାୟିକ ଭାବେ ଉପଲବ୍ଧ ହେବା ପରେ ଏହି ପ୍ରଣାଳୀ ସମାନ ପ୍ରଯୁକ୍ତି ତୁଳନାରେ ପ୍ରାୟ ୧୦ ପ୍ରତିଶତ ଖର୍ଚ୍ଚରେ ଉନ୍ନତ AI ସୁବିଧା ଯୋଗାଇପାରିବ। ଏହା ଭାରତର National Solar Mission ଏବଂ ନେଟ୍-ଜିରୋ ଲକ୍ଷ୍ୟ ପୂରଣରେ ମଧ୍ୟ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭୂମିକା ନିଭାଇବ ବୋଲି ଆଶା କରାଯାଉଛି।
