Científicos suecos han creado un nuevo modelo automatizado que, según afirman, ofrece un "rendimiento superior" en la identificación de pequeños sistemas solares descentralizados a partir de imágenes aéreas. Se dice que tales sistemas de montaje solar ecológicos automatizados son una herramienta útil para ayudar a muchas partes interesadas en la industria fotovoltaica, ya que puede proporcionar datos precisos a los legisladores, autoridades y evaluadores financieros.

El nuevo método utiliza técnicas de procesamiento de imágenes y aprendizaje profundo para detectar sistemas solares térmicos y fotovoltaicos y, según sus autores, un estudio de seguimiento podría incluso mejorar el modelo para diferenciar entre las tecnologías fotovoltaica y solar térmica. “Esta es una tarea desafiante ya que las dos tecnologías comparten una textura y una apariencia de color similares”, explica el artículo. "Sin embargo, creemos que con las modificaciones y mejoras adecuadas, se puede adaptar de manera efectiva para la segmentación de múltiples clases de sistemas de energía solar".

En el estudio “Identificación de pequeños sistemas solares descentralizados en imágenes aéreas usando aprendizaje profundo”, publicado en Solar Energy, los académicos explicaron que utilizaron una arquitectura U-net de redes neuronales convolucionales (CNN), un método de red convolucional para una segmentación rápida y precisa. de imágenes, explicando que la fortaleza clave de esta técnica es que requiere una menor cantidad de datos de entrada y un menor uso de hardware en comparación con otros enfoques.

“La utilización del modelo U-net para la detección de sistemas de energía solar proporciona una solución automatizada y basada en datos con mayor complejidad, lo que permite una detección precisa”, agregó. "Su segmentación e identificación precisas de los sistemas de energía solar a partir de imágenes aéreas tienen un valor práctico sustancial, lo que facilita la evaluación eficiente del rendimiento del panel, los requisitos de mantenimiento y la estimación de la producción de energía".

El nuevo modelo se entrenó y probó en dos bases de datos, una de Alemania y otra de Suecia, y se utilizó una combinación de las dos para obtener una mayor capacidad de generación solar montada en el suelo. En comparación con otras arquitecturas de CNN, dijeron los investigadores, el modelo U-Net se destacó, especialmente en tareas de segmentación de imágenes.

También según la investigación, el modelo U-net puede entrenarse con imágenes aéreas con una resolución de 128 x 128 píxeles y lograr una precisión que no es significativamente menor que la que tiene con una resolución superior de 256 x 256 píxeles. Su capacidad para usar una resolución más baja, a su vez, da como resultado un menor uso del hardware de la computadora.

“Este estudio ha demostrado que un modelo U-net puede evaluar el área de los sistemas de energía solar en imágenes aéreas con gran precisión”, concluyó el artículo. “Sin embargo, la inclinación de los módulos también es necesaria para una correcta estimación del área. El cálculo de la inclinación se puede realizar a partir de datos de construcción en 3D o datos LiDAR de alta/baja resolución. Combinar este último con el método de este estudio es el próximo paso planeado”.