Des scientifiques suédois ont créé un nouveau modèle automatisé qui, selon eux, offre des "performances supérieures" dans l'identification de petits systèmes solaires décentralisés à partir d'images aériennes. Un tel système de montage solaire automatisé et respectueux de l'environnement est considéré comme un outil utile pour aider de nombreuses parties prenantes de l'industrie photovoltaïque, car il peut fournir aux décideurs politiques, aux autorités et aux évaluateurs financiers des données précises.

La nouvelle méthode utilise des techniques d'apprentissage en profondeur et de traitement d'image pour détecter les systèmes solaires thermiques et photovoltaïques, et selon ses auteurs, une étude de suivi pourrait même améliorer le modèle pour différencier les technologies PV et solaire thermique. "C'est une tâche difficile car les deux technologies partagent une texture et une apparence de couleur similaires", explique l'article. "Cependant, nous pensons qu'avec les bonnes modifications et améliorations, il peut être efficacement adapté à la segmentation multi-classes des systèmes d'énergie solaire."

Dans l'étude "Identification de petits systèmes solaires décentralisés dans des images aériennes à l'aide d'apprentissage en profondeur", publiée dans Solar Energy, les universitaires ont expliqué qu'ils utilisaient une architecture U-net de réseaux de neurones convolutifs (CNN), une méthode de réseau convolutif pour une segmentation rapide et précise. d'images, expliquant que la principale force de cette technique est qu'elle nécessite un plus petit nombre de données d'entrée et une utilisation matérielle inférieure par rapport aux autres approches.

"L'utilisation du modèle U-net pour la détection des systèmes d'énergie solaire fournit une solution automatisée et basée sur les données avec une complexité accrue, permettant une détection précise", a-t-il ajouté. "Sa segmentation et son identification précises des systèmes d'énergie solaire à partir d'images aériennes ont une valeur pratique substantielle, facilitant une évaluation efficace des performances des panneaux, des exigences de maintenance et de l'estimation de la production d'énergie."

Le nouveau modèle a été formé et testé sur deux bases de données – une allemande et une autre suédoise – et un mélange des deux a été utilisé pour une capacité de production solaire au sol supérieure à ses capacités. Comparé à d'autres architectures CNN, les chercheurs ont déclaré que le modèle U-Net se démarquait, en particulier dans les tâches de segmentation d'images.

Toujours selon la recherche, le modèle U-net peut être formé sur des images aériennes avec une résolution de 128 x 128 pixels et atteindre une précision qui n'est pas significativement plus faible qu'avec une résolution plus élevée de 256 x 256 pixels. Sa capacité à utiliser une résolution inférieure, à son tour, entraîne une utilisation moindre du matériel informatique.

"Cette étude a prouvé qu'un modèle U-net peut évaluer la zone des systèmes d'énergie solaire dans l'imagerie aérienne avec une grande précision", conclut l'article. « Cependant, l'inclinaison des modules est également nécessaire pour une estimation correcte de la surface. Le calcul de l'inclinaison peut être effectué à partir de données de construction 3D ou de données LiDAR haute/basse résolution. La combinaison de ce dernier avec la méthode de cette étude est la prochaine étape prévue.