Produisez de l'énergie solaire !

Argonne Lab développe une technologie pour surveiller les effets du projet solaire sur les populations d'oiseaux

Tangara écarlate. Crédits: Kelsey Misbrener

Alors que de plus en plus de systèmes d'énergie solaire sont installés aux États-Unis, les scientifiques quantifient les effets sur la faune. Les méthodes actuelles de collecte de données prennent du temps, mais le laboratoire national d'Argonne du département américain de l'Énergie (DOE) a proposé une solution. Le laboratoire a reçu 1,3 million de dollars du bureau des technologies de l'énergie solaire du DOE pour développer une technologie capable de surveiller de manière rentable les interactions aviaires avec l'infrastructure solaire.

Le projet de trois ans, qui a débuté ce printemps, combinera des techniques de vision par ordinateur avec une forme d'intelligence artificielle (IA) pour surveiller les sites solaires pour les oiseaux et collecter des données sur ce qui se passe quand ils volent, se perchent ou entrent en collision avec des panneaux solaires.

"Il y a des spéculations sur la façon dont l'infrastructure de l'énergie solaire affecte les populations d'oiseaux, mais nous avons besoin de plus de données pour comprendre scientifiquement ce qui se passe", a déclaré Yuki Hamada, un scientifique de télédétection à Argonne, qui dirige le projet.

Une étude d'Argonne publiée en 2016 a estimé, sur la base des données limitées disponibles, que les collisions avec des panneaux photovoltaïques dans des installations solaires à grande échelle aux États-Unis tuaient entre 37800 et 138600 oiseaux par an. Bien que ce nombre soit faible par rapport aux collisions avec des bâtiments et des véhicules, qui ont fait tomber des centaines de millions d'oiseaux chaque année, en savoir plus sur comment et quand ces décès peuvent aider à les prévenir.

«Le travail de terrain nécessaire pour collecter toutes ces informations est très long et demande beaucoup de travail, obligeant les gens à parcourir les installations et à rechercher les carcasses d'oiseaux», a déclaré Leroy Walston, un écologiste argonnais, qui a dirigé l'étude. "En conséquence, cela coûte assez cher."

Ces méthodes sont également limitées en fréquence et en durée, et elles offrent peu d'informations sur les comportements des oiseaux vivants autour des panneaux solaires.

Le nouveau projet vise à réduire la fréquence de la surveillance humaine en utilisant des caméras et des modèles informatiques qui peuvent collecter davantage et de meilleures données à moindre coût. Atteindre cela implique trois tâches: détecter les objets en mouvement près des panneaux solaires; identifier lesquels de ces objets sont des oiseaux; et classer les événements (comme se percher, voler ou entrer en collision). Les scientifiques construiront également des modèles en utilisant l'apprentissage en profondeur, une méthode d'IA qui crée des modèles inspirés du réseau neuronal du cerveau humain, permettant «d'enseigner» aux ordinateurs comment repérer les oiseaux et les comportements en les entraînant sur des exemples similaires.

Dans un précédent projet Argonne, les chercheurs ont formé des ordinateurs pour distinguer les drones volant dans le ciel. Le projet d'interaction aviaire-solaire s'appuiera sur cette capacité, apportant de nouvelles complexités, a noté Adam Szymanski, un ingénieur logiciel Argonne, qui a développé le modèle de détection des drones. Les caméras des installations solaires seront orientées vers des panneaux plutôt que dirigées vers le haut, il y aura donc des arrière-plans plus complexes. Par exemple, le système devra faire la différence entre les oiseaux et les autres objets en mouvement dans le champ de vision, tels que les nuages, les insectes ou les personnes.

Dans un premier temps, les chercheurs installeront des caméras sur un ou deux sites d'énergie solaire, enregistrant et analysant la vidéo. Les heures de vidéo devront être traitées et classées à la main afin de former le modèle informatique.

Parce que les collisions sont relativement rares, Hamada a déclaré qu'elles pourraient être simulées à l'aide d'un objet, tel qu'un oiseau jouet, afin que le système dispose des informations initiales à utiliser comme exemples de formation.

«La formation sur les modèles nécessite une quantité importante de puissance de calcul», a déclaré Szymanski. "Nous pourrons utiliser certains des plus gros ordinateurs ici au Laboratoire de ressources informatiques de laboratoire d'Argonne pour cela."

Une fois le modèle formé, il s'exécutera en interne dans les caméras sur un flux vidéo en direct, classant les interactions à la volée – un autre défi qui implique l'informatique de bord, où les informations sont traitées plus près de l'endroit où elles sont collectées.

"Nous n'aurons pas le luxe d'enregistrer beaucoup de vidéos, de les renvoyer au laboratoire et de les analyser plus tard", a ajouté Szymanski. «Nous devons concevoir le modèle pour être plus efficace, afin qu'il puisse être exécuté en temps réel sur le bord.»

Ce développement technologique pour relever le défi du monde réel pourrait être avancé à l'avenir en tirant parti de l'initiative Sage Cyberinfrastructure, dirigée par la Northwestern University, et du système de capteurs Waggle d'Argonne pour fournir une plateforme de calcul de bord plus rapide et plus puissante et une pile logicielle multidisciplinaire.

Le projet Argonne a été sélectionné dans le cadre du programme de financement de l'exercice 2019 de l'Office des technologies de l'énergie solaire, qui comprend un financement pour développer des méthodes de collecte de données afin d'évaluer les impacts de l'infrastructure solaire sur les oiseaux. Une meilleure compréhension des interactions aviaire-solaire peut potentiellement réduire les coûts d'implantation, de délivrance de permis et d'atténuation de la faune pour les installations d'énergie solaire.

La technologie automatisée de surveillance aviaire est en cours de développement en collaboration avec Boulder AI, une entreprise possédant une vaste expérience dans la production de caméras pilotées par l'IA et les algorithmes qui les utilisent. Plusieurs installations d'énergie solaire soutiennent également le projet en autorisant la collecte de vidéos et l'évaluation de la technologie sur place.

Pour assurer un développement technologique solide, l'équipe aura également à sa disposition un comité consultatif technique composé d'experts en apprentissage automatique de l'Université Northwestern et de l'Université de Chicago, ainsi que d'experts en technologie solaire et en écologie aviaire du Cornell Lab of Ornithology, conservation groupes, l'industrie solaire et les agences gouvernementales.

A l'issue du projet, Argonne aura développé un système de caméra capable de détecter, surveiller et rapporter les activités aviaires autour des installations solaires. Le système informera également le personnel de l'installation solaire lorsque des collisions se produisent. La technologie sera ensuite prête pour des essais sur le terrain à grande échelle dans de nombreuses installations solaires, a déclaré Hamada.

Les données obtenues pourraient être utilisées pour détecter des modèles et commencer à répondre à des questions clés: certains types d'oiseaux sont-ils plus sujets aux impacts? Les collisions augmentent-elles à certains moments de la journée ou de l'année? L'emplacement géographique des panneaux solaires joue-t-il un rôle dans les types d'interactions? Les installations d'énergie solaire fournissent-elles un habitat viable aux oiseaux?

Le cadre technologique peut également être utilisé pour surveiller d'autres espèces sauvages en recyclant l'IA avec des données appropriées.

«Une fois les modèles identifiés, ces connaissances peuvent être utilisées pour concevoir des plans d'atténuation», a déclaré Hamada. "En cours de route, une fois qu'une stratégie d'atténuation est en place, le même système peut être utilisé pour évaluer l'efficacité de la stratégie."

Nouvelle du Bureau des technologies de l'énergie solaire

<! –

->

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *