Una tecnología basada en IA para identificar sistemas solares en tejados a partir de imágenes aéreas

Científicos suecos han creado un nuevo modelo automatizado que, según afirman, ofrece un “rendimiento superior” a la hora de identificar pequeños sistemas solares descentralizados a partir de imágenes aéreas. Se dice que un sistema automatizado de este tipo es una herramienta útil para ayudar a muchas partes interesadas en la industria fotovoltaica, ya que puede proporcionar datos precisos a los responsables políticos, las autoridades y los evaluadores financieros.

El novedoso método utiliza técnicas de aprendizaje profundo y procesamiento de imágenes 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, puede adaptarse eficazmente para la segmentación multiclase de sistemas de energía solar”.

En el estudio “Identifying small decentralized solar systems in aerial images using deep learning” (Identificación de pequeños sistemas solares descentralizados en imágenes aéreas mediante deep learning), publicado en Solar Energy, los académicos explicaron que utilizaron una arquitectura U-net de redes neuronales convolucionales (CNN), un método de red convolucional para la segmentación rápida y precisa de imágenes, explicando que la fortaleza clave de esta técnica es que requiere un menor número 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 una mayor complejidad, lo que permite una detección precisa”, añade. “Su segmentación e identificación precisas de sistemas de energía solar a partir de imágenes aéreas tienen un valor práctico sustancial, ya que facilitan la evaluación eficiente del rendimiento de los paneles, 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 mezcla de ambas para una mayor generalización de sus capacidades. En comparación con otras arquitecturas de CNN, según los investigadores, el modelo U-Net destacó, especialmente en tareas de segmentación de imágenes.

También según la investigación, el modelo U-net puede entrenarse en imágenes aéreas con una resolución de 128 x 128 píxeles y lograr una precisión que no es significativamente menor que con una resolución mayor de 256 x 256 píxeles. A su vez, su capacidad para utilizar una resolución más baja se traduce en un menor uso de hardware informático.

“Este estudio ha demostrado que un modelo U-net puede evaluar con gran precisión la superficie de los sistemas de energía solar en imágenes aéreas”, concluye el artículo. “Sin embargo, la inclinación de los módulos también es necesaria para una estimación correcta de la superficie. El cálculo de la inclinación puede hacerse a partir de datos de edificios en 3D o de datos LiDAR de alta/baja resolución. Combinar estos últimos con el método de este estudio es el siguiente paso previsto.”