Нейросеть научили обнаруживать солнечные панели на спутниковых снимках США

МЕНЮ


Искусственный интеллект
Поиск
Регистрация на сайте
Помощь проекту

ТЕМЫ


Новости ИИРазработка ИИВнедрение ИИРабота разума и сознаниеМодель мозгаРобототехника, БПЛАТрансгуманизмОбработка текстаТеория эволюцииДополненная реальностьЖелезоКиберугрозыНаучный мирИТ индустрияРазработка ПОТеория информацииМатематикаЦифровая экономика

Авторизация



RSS


RSS новости


Ученые из США создали нейросеть для обнаружения солнечных панелей на спутниковых снимках.

Кроме того, она же способна предсказывать динамику распространения панелей в определенном регионе в зависимости от различных характеристик региона, включая социально-экономические. По результатам работы системы разработчики создали карту с информацией о популярности солнечной энергетики в США.

Команда ученых под руководством профессора Рэма Раджагопала работает над своим проектом, который получил название DeepSolar, в Стэнфордском университете.

Основа проекта — достаточно популярная сверточная нейросеть Inception-v3, которую обучили при помощи датасета из 1,28 млн фотографий различных объектов.

Сеть была модифицирована в соответствии с поставленными задачами. Для продолжения работы специалисты очистили параметры последнего слоя нейросети, создав специализированный датасет. 

Нейросеть обучали частично на спутниковых снимках Google Maps, частично — на снимках из других источников. Картографический сервис Google использовался потому, что на картах есть информация о наличии солнечных панелей. Сверточную нейросеть «наказывали» за неправильное распознавание объектов на карте. 

В итоге ее удалось научить определять наличие солнечных панелей с точностью свыше 93%. Далее был добавлен слой, который умеет выделять панели на изображении — как небольшие участки, так и обширные регионы «солнечных ферм».

Итоговое испытание нейросети проводилось на основе сканирования базы, содержащей более 1 млрд изображений различных регионов США со спутников. 

В итоге ученые получили достаточно большую базу данных, которая включает координаты местонахождения солнечных панелей практически на всей территории США. Как оказалось, в стране насчитывается более 1,47 млн таких объектов, что больше, чем числится в базах данных различных систем по учету фотоэлементов.

Проект стэнфордских ученых даже более масштабный, чем у Google — компания ведет учет солнечных панелей в рамках проекта Google Sunroof. При этом нейросеть DeepSolar умеет различать «домашние» панели и промышленные, которые покрывают значительную площадь. 

Понятно, что во втором случае панели различать проще, и точность распознавания их нейросетью составляет свыше 96%.

На следующем этапе проекта специалисты сопоставили фактические данные с различными характеристиками регионов, о чем говорилось выше. Как оказалось (и это вряд ли можно назвать сюрпризом) в экономически развитых локациях панелей больше, чем в не слишком обеспеченных. Далее идет «плато», которое формируется после превышения предела дохода в $150 тысяч на домохозяйство. Также удалось выяснить, что солнечные панели начинают появляться в регионе в том случае, если выработка энергии составляет 4,5-5 кВт*ч в сутки с квадратного метра. 

На основе собранных данных исследователи разработали методику предсказания степени проникновения солнечных панелей в определенных регионах. Методика использует 94 разных параметра, включая уровень инсоляции, тарифы на электроэнергию, уровень дохода жителей и другие. Результатом подсчетов является прогноз количества солнечных панелей из расчета на одно домохозяйство. 

По словам разработчиков, их нейросеть может использоваться для мониторинга уровня проникновения солнечных панелей в различных регионах, не только США, но и других стран. Постепенно ученые собираются заняться анализом показателей распространения солнечной энергетики во всем мире, используя в качестве основы высококачественные изображения из Google и других источников.

База данных будет обновляться ежегодно, несмотря на то, что это некоммерческий проект.

Нейросеть и ее работу можно использовать для достижения различных целей. Например, анализа ситуации с распространением фотоэлементов для оценки эффективности программ по развитию альтернативной энергетики. Аналитики могут использовать данные в своих интересах, правда, пока неясно, будут ли данные предоставляться бесплатно или же за их использование придется платить. Как бы там ни было, ясно, что ИИ и нейросети все сильнее проникают в нашу жизнь и работу.

Напомним, что США входит в тройку стран с наиболее перспективных стран по продаже солнечных модулей, деля эту нишу с Китаем и Индией.

Я вижу, что Вам понравилась статья.

Если это действительно так - прокачайте свою ленту Дзен: поставьте лайк и подпишитесь на канал

Вероятно, Вам также понравятся следующие материалы:
Можно ли вскипятить воду от солнечных панелей (видео)
Солнечная энергетика: какая площадь требуется для размещения объектов?
Американские электроэнергетики утверждают: солнечная и ветровая энергия дешевле всех остальных

Источник: zen.yandex.ru

Комментарии: