Cientistas suecos criaram um novo modelo automatizado que, segundo eles, oferece “desempenho superior” na identificação de pequenos sistemas solares descentralizados a partir de imagens aéreas. Diz-se que esse sistema automatizado de montagem solar ecológica é uma ferramenta útil para ajudar muitas partes interessadas na indústria fotovoltaica, pois pode fornecer dados precisos aos formuladores de políticas, autoridades e avaliadores financeiros.

O novo método utiliza técnicas de aprendizado profundo e processamento de imagem para detectar sistemas solares térmicos e fotovoltaicos e, de acordo com seus autores, um estudo de acompanhamento pode até aprimorar o modelo para diferenciar entre as tecnologias fotovoltaica e solar térmica. “Esta é uma tarefa desafiadora, pois as duas tecnologias compartilham aparência de textura e cor semelhantes”, explica o artigo. “No entanto, acreditamos que, com as modificações e melhorias corretas, ele pode ser efetivamente adaptado para segmentação multiclasse de sistemas de energia solar.”

No estudo “Identificando pequenos sistemas solares descentralizados em imagens aéreas usando aprendizado profundo”, publicado na Solar Energy, os acadêmicos explicaram que usaram uma arquitetura U-net de redes neurais convolucionais (CNN), um método de rede convolucional para segmentação rápida e precisa de imagens, explicando que a principal força dessa técnica é que ela requer um número menor de dados de entrada e menor uso de hardware em comparação com outras abordagens.

“A utilização do modelo U-net para detecção de sistemas de energia solar fornece uma solução automatizada e orientada por dados com maior complexidade, permitindo detecção precisa”, acrescentou. “Sua segmentação e identificação precisas de sistemas de energia solar a partir de imagens aéreas possuem um valor prático substancial, facilitando a avaliação eficiente do desempenho do painel, requisitos de manutenção e estimativa de produção de energia.”

O novo modelo foi treinado e testado em dois bancos de dados – um da Alemanha e outro da Suécia – e uma mistura dos dois foi usada para maior capacidade de geração solar montada no solo de suas habilidades. Quando comparado a outras arquiteturas CNN, disseram os pesquisadores, o modelo U-Net se destacou, especialmente em tarefas de segmentação de imagens.

Ainda de acordo com a pesquisa, o modelo U-net pode ser treinado em imagens aéreas com resolução de 128 x 128 pixels e obter uma precisão que não é significativamente pior do que com uma resolução maior de 256 x 256 pixels. Sua capacidade de usar resolução mais baixa, por sua vez, resulta em menor uso de hardware do computador.

“Este estudo provou que um modelo U-net pode avaliar a área de sistemas de energia solar em imagens aéreas com alta precisão”, concluiu o artigo. “No entanto, a inclinação dos módulos também é necessária para uma estimativa correta da área. O cálculo da inclinação pode ser feito a partir de dados de construção 3D ou dados LiDAR de alta/baixa resolução. Combinar este último com o método deste estudo é o próximo passo planejado”.