Gli scienziati svedesi hanno creato un nuovo modello automatizzato che, secondo loro, offre "prestazioni superiori" nell'identificazione di piccoli sistemi solari decentralizzati da immagini aeree. Si dice che un tale sistema di montaggio solare ecologico automatizzato sia uno strumento utile per assistere molte parti interessate nel settore fotovoltaico, in quanto può fornire dati accurati a responsabili politici, autorità e valutatori finanziari.

Il nuovo metodo utilizza tecniche di deep learning e di elaborazione delle immagini per rilevare i sistemi solari termici e fotovoltaici e, secondo i suoi autori, uno studio di follow-up potrebbe persino migliorare il modello per distinguere tra le tecnologie fotovoltaiche e solari termiche. "Questo è un compito impegnativo in quanto le due tecnologie condividono texture e colori simili", spiega l'articolo. "Tuttavia, riteniamo che con le giuste modifiche e miglioramenti, possa essere efficacemente adattato per la segmentazione multi-classe dei sistemi di energia solare".

Nello studio "Identifying small decentralized solar systems in aerial images using deep learning", pubblicato su Solar Energy, gli accademici hanno spiegato di aver utilizzato un'architettura U-net di reti neurali convoluzionali (CNN), un metodo di rete convoluzionale per una segmentazione rapida e precisa di immagini, spiegando che il punto di forza di questa tecnica è che richiede un numero inferiore di dati di input e un minore utilizzo dell'hardware rispetto ad altri approcci.

"L'utilizzo del modello U-net per il rilevamento dei sistemi di energia solare fornisce una soluzione basata sui dati e automatizzata con maggiore complessità, consentendo un rilevamento preciso", ha aggiunto. "La sua accurata segmentazione e identificazione dei sistemi di energia solare dalle immagini aeree ha un valore pratico sostanziale, facilitando una valutazione efficiente delle prestazioni del pannello, dei requisiti di manutenzione e della stima della produzione di energia".

Il nuovo modello è stato addestrato e testato su due database, uno dalla Germania e un altro dalla Svezia, e una combinazione dei due è stata utilizzata per una maggiore capacità di generazione solare a terra delle sue capacità. Rispetto ad altre architetture CNN, hanno affermato i ricercatori, il modello U-Net si è distinto, specialmente nelle attività di segmentazione delle immagini.

Sempre secondo la ricerca, il modello U-net può essere addestrato su immagini aeree con una risoluzione di 128 x 128 pixel e ottenere una precisione non significativamente inferiore a quella ottenuta con una risoluzione superiore di 256 x 256 pixel. La sua capacità di utilizzare una risoluzione inferiore, a sua volta, si traduce in un minore utilizzo dell'hardware del computer.

"Questo studio ha dimostrato che un modello U-net può valutare l'area dei sistemi di energia solare nelle immagini aeree con elevata precisione", ha concluso l'articolo. “Tuttavia, anche l'inclinazione dei moduli è necessaria per una corretta stima dell'area. Il calcolo dell'inclinazione può essere effettuato da dati di costruzione 3D o da dati LiDAR ad alta/bassa risoluzione. La combinazione di quest'ultimo con il metodo di questo studio è il prossimo passo pianificato.