Ochoa Correa, Danny VinicioGómez López, Franklin Mauricio2025-03-142025-03-142025-03-13https://dspace.ucuenca.edu.ec/handle/123456789/46502El crecimiento de la industria solar ha impulsado la necesidad de métodos efectivos para detectar defectos en sistemas fotovoltaicos, lo que motivó este estudio enfocado en la aplicación de técnicas de procesamiento de imágenes en el espectro infrarrojo de onda corta, o espectro SWIR, mediante electroluminiscencia. El trabajo se centra en el diseño y aplicación de una metodología experimental para identificar defectos en paneles fotovoltaicos comerciales, utilizando una cámara OWL 640 M para capturar imágenes, y técnicas de procesamiento de imágenes junto con aprendizaje automático para detectar fisuras, contactos interrumpidos y anomalías en el material. La propuesta incluye etapas como la calibración del equipo, el análisis individual de celdas y la evaluación del rendimiento del sistema, empleando redes neuronales convolucionales y un conjunto de datos ajustado a las características de las imágenes. Los resultados no solo contribuirán a mejorar la eficiencia y confiabilidad de los sistemas fotovoltaicos, sino que también presentan oportunidades en áreas como detección de componentes electrónicos, identificación de humedad, medición de líquidos y análisis de contaminantes en alimentos, destacando el impacto multidisciplinario de las imágenes SWIR.The growth of the solar industry has driven the need for effective methods to detect defects in photovoltaic systems, which inspired this study focused on the application of image processing techniques in the short-wave infrared spectrum (SWIR) through electroluminescence. Thiswork centers on the design and implementation of an experimental methodology to identify defects in commercial photovoltaic panels, using an OWL 640 M camera to capture images and combining image processing techniques with machine learning to detect cracks, interrupted contacts, and material anomalies. The proposed approach includes stages such as equipment calibration, individual cell analysis, and system performance evaluation, employing convolutional neural networks and a dataset tailored to the characteristics of the images. The results not only contribute to improving the efficiency and reliability of photovoltaic systems but also present opportunities in fields such as electronic component detection, humidity identification, liquid measurement, and contaminant analysis in food, highlighting the multidisciplinary impact of SWIR imaging.application/pdf142 páginasspahttps://creativecommons.org/licenses/by-nc-nd/4.0ElectrónicaCeldas fotovoltaicasElectroluminiscenciaPaneles fotovoltaicosElectrónica::FotoelectricidadbachelorThesisopenAccess