Des scientifiques américains ont
créé un réseau de neurones pour détecter les panneaux solaires en imagerie satellite. En outre, il est également capable de prédire la dynamique de la distribution des panneaux dans une région particulière en fonction de diverses caractéristiques de la région, y compris socio-économiques. Sur la base des résultats du système, les développeurs ont créé une carte contenant des informations sur la popularité de l'énergie solaire aux États-Unis.
Une équipe de scientifiques dirigée par le professeur Ram Rajagopal travaille sur son projet, appelé DeepSolar, à l'Université de Stanford. La base du projet est le
réseau de neurones convolutionnels plutôt populaire Inception-v3, qui a été formé à l'aide d'un ensemble de données de 1,28 million de photographies de divers objets.
Le réseau a été modifié en fonction des tâches. Pour poursuivre le travail, les spécialistes ont nettoyé les paramètres de la dernière couche du réseau neuronal, créant un ensemble de données spécialisé.
Le réseau neuronal a été formé en partie sur des images satellite de Google Maps, en partie sur des images provenant d'autres sources. Le service Google Maps a été utilisé car les cartes contiennent des informations sur la disponibilité des panneaux solaires. Le réseau neuronal convolutif a été «puni» pour une reconnaissance incorrecte des objets sur la carte.
En conséquence, elle a pu lui apprendre à déterminer la présence de panneaux solaires avec une précision de plus de 93%. Ensuite, une couche a été ajoutée qui peut sélectionner des panneaux dans l'image - à la fois de petites zones et de grandes régions de «fermes solaires». Le test final du réseau neuronal a été effectué sur la base du balayage d'une base contenant plus d'un milliard d'images satellite de diverses régions des États-Unis.
En conséquence, les scientifiques ont obtenu une base de données assez importante, qui comprend les coordonnées de l'emplacement des panneaux solaires dans presque tous les États-Unis. Il s'est avéré qu'il y avait plus de 1,47 million de ces objets dans le pays, ce qui est plus que ce qui est répertorié dans les bases de données de divers systèmes de comptabilité à cellules photoélectriques. Le projet des scientifiques de Stanford est encore plus important que Google - la société tient un registre des panneaux solaires dans le cadre du projet Google Sunroof. Dans le même temps, le réseau neuronal DeepSolar peut faire la distinction entre les panneaux «maison» et les panneaux industriels, qui couvrent une zone importante.
Il est clair que dans le second cas, il est plus facile de distinguer les panels, et la précision de reconnaissance par leur réseau neuronal est supérieure à 96%.
À l'étape suivante du projet, les spécialistes ont comparé les données réelles avec diverses caractéristiques des régions, comme mentionné ci-dessus. Il s'est avéré (et cela peut difficilement être considéré comme une surprise) qu'il y a plus de panneaux dans des endroits économiquement développés que dans des endroits peu bien fournis. Vient ensuite le «plateau», qui se forme après avoir dépassé la limite de revenu de 150 000 $ par ménage. Il a également été possible de découvrir que des panneaux solaires commencent à apparaître dans la région si la production d'énergie est de 4,5 à 5 kWh par jour et par mètre carré.
Sur la base des données recueillies, les chercheurs ont développé une méthodologie pour prédire le degré de pénétration des panneaux solaires dans certaines régions. La méthodologie utilise 94 paramètres différents, dont le niveau d'insolation, les tarifs de l'électricité, le niveau de revenu des résidents et autres. Le résultat des calculs est la prévision du nombre de panneaux solaires par ménage.
Selon les développeurs, leur réseau neuronal peut être utilisé pour surveiller le niveau de pénétration des panneaux solaires dans diverses régions, non seulement aux États-Unis, mais aussi dans d'autres pays. Progressivement, les scientifiques vont faire une analyse de la distribution de l'énergie solaire dans le monde, en utilisant des images de haute qualité de Google et d'autres sources comme base. La base de données sera mise à jour chaque année, bien qu'il s'agisse d'un projet à but non lucratif.
Le réseau neuronal et son travail peuvent être utilisés pour atteindre divers objectifs. Par exemple, analyse de la situation de la distribution de cellules solaires pour évaluer l'efficacité des programmes de développement des énergies alternatives. Les analystes peuvent utiliser les données à leur avantage, cependant, il n'est pas encore clair si les données seront fournies gratuitement ou si elles devront être payantes. Quoi qu'il en soit, il est clair que l'IA et les réseaux de neurones pénètrent de plus en plus dans nos vies et notre travail.