أنشأ علماء من الولايات المتحدة شبكة عصبية لاكتشاف الألواح الشمسية في صور الأقمار الصناعية. بالإضافة إلى ذلك ، فهي أيضًا قادرة على التنبؤ بديناميات توزيع اللوحات في منطقة معينة اعتمادًا على خصائص المنطقة المختلفة ، بما في ذلك الخصائص الاجتماعية والاقتصادية. بناءً على نتائج النظام ، أنشأ المطورون خريطة تحتوي على معلومات حول شعبية الطاقة الشمسية في الولايات المتحدة.
يعمل فريق من العلماء بقيادة البروفيسور رام راجاجوبال على مشروعه المسمى DeepSolar بجامعة ستانفورد. أساس المشروع هو
الشبكة العصبية التلافيفية الشهيرة Inception-v3 ، والتي تم تدريبها باستخدام مجموعة بيانات تضم 1.28 مليون صورة فوتوغرافية لأشياء مختلفة.
تم تعديل الشبكة وفقًا للمهام. لمواصلة العمل ، قام المتخصصون بتنظيف معالم الطبقة الأخيرة من الشبكة العصبية ، مما أنشأ مجموعة بيانات متخصصة.
تم تدريب الشبكة العصبية جزئيًا على صور الأقمار الصناعية لخرائط Google ، جزئيًا على صور من مصادر أخرى. تم استخدام خدمة خرائط Google لأن الخرائط تحتوي على معلومات حول توفر الألواح الشمسية. تمت معاقبة "الشبكة العصبية التلافيفية" بسبب التعرف غير الصحيح على الأشياء على الخريطة.
نتيجة لذلك ، كانت قادرة على تعليمها تحديد وجود الألواح الشمسية بدقة أكثر من 93 ٪. ثم تمت إضافة طبقة يمكنها تحديد لوحات في الصورة - على حد سواء المساحات الصغيرة والمناطق الكبيرة من "المزارع الشمسية". تم إجراء الاختبار النهائي للشبكة العصبية على أساس مسح قاعدة تحتوي على أكثر من مليار صورة ساتلية لمختلف مناطق الولايات المتحدة.
نتيجة لذلك ، حصل العلماء على قاعدة بيانات كبيرة إلى حد ما ، والتي تتضمن إحداثيات موقع الألواح الشمسية في جميع أنحاء الولايات المتحدة تقريبًا. كما اتضح ، هناك أكثر من 1.47 مليون من هذه الأشياء في البلاد ، وهو أكثر مما هو مدرج في قواعد البيانات لمختلف أنظمة المحاسبة الكهروضوئية. مشروع علماء ستانفورد أكبر من مشروع Google - تحتفظ الشركة بسجل للألواح الشمسية كجزء من مشروع Google Sunroof. في الوقت نفسه ، يمكن للشبكة العصبية DeepSolar التمييز بين الألواح "المنزلية" والألواح الصناعية ، والتي تغطي مساحة كبيرة.
من الواضح أنه في الحالة الثانية ، من الأسهل التمييز بين الألواح ، ودقة التعرف على الشبكة العصبية الخاصة بها تجاوزت 96٪.
في المرحلة التالية من المشروع ، قارن المختصون البيانات الفعلية مع الخصائص المختلفة للمناطق ، على النحو المذكور أعلاه. كما اتضح فيما بعد (وهذا لا يمكن أن يُطلق عليه اسم مفاجأة) ، هناك عدد أكبر من اللوحات في المواقع المتقدمة اقتصاديًا في الأماكن غير المزودة جيدًا. يأتي بعد ذلك "الهضبة" ، التي يتم تشكيلها بعد تجاوز حد الدخل البالغ 150 ألف دولار لكل أسرة. كان من الممكن أيضًا معرفة أن الألواح الشمسية تبدأ في الظهور في المنطقة إذا كان إنتاج الطاقة يتراوح بين 4.5-5 كيلو واط في الساعة يوميًا لكل متر مربع.
بناءً على البيانات التي تم جمعها ، طور الباحثون منهجية للتنبؤ بدرجة تغلغل الألواح الشمسية في مناطق معينة. تستخدم المنهجية 94 معلمة مختلفة ، بما في ذلك مستوى التشميس ، والتعريفات للكهرباء ، ومستوى دخل السكان وغيرهم. نتيجة الحسابات هي التنبؤ بعدد الألواح الشمسية لكل أسرة.
وفقًا للمطورين ، يمكن استخدام شبكتهم العصبية لمراقبة مستوى تغلغل الألواح الشمسية في مناطق مختلفة ، ليس فقط في الولايات المتحدة ، ولكن أيضًا في بلدان أخرى. تدريجيا ، سيقوم العلماء بإجراء تحليل لتوزيع الطاقة الشمسية في جميع أنحاء العالم ، باستخدام صور عالية الجودة من جوجل وغيرها من المصادر كأساس. سيتم تحديث قاعدة البيانات سنويًا ، على الرغم من أن هذا المشروع غير ربحي.
يمكن استخدام الشبكة العصبية وعملها لتحقيق أهداف مختلفة. على سبيل المثال ، تحليل الوضع مع توزيع الخلايا الشمسية لتقييم فعالية برامج تطوير الطاقة البديلة. يمكن للمحللين استخدام البيانات لمصلحتهم ، ومع ذلك ، لم يتضح بعد ما إذا كانت البيانات ستقدم مجانًا أم لا. ومهما يكن الأمر ، فمن الواضح أن الذكاء الاصطناعي والشبكات العصبية تخترق المزيد والمزيد في حياتنا وعملنا.