Inzet machine learning
Het Deep Solaris project team bestaat uit onderzoekers en medewerkers van de Open Universiteit, het Centraal Bureau voor de Statistiek, het Duits Federaal Bureau voor de Statistiek, het Belgisch Bureau voor de Statistiek, en de deelstaat Noordrijn-Westfalen. Dr. Stefano Bromuri, verbonden aan de faculteit Management, Science & Technology is principal investigator aan de kant van de Open Universiteit.
Onderzoekers verbonden aan de Open Universiteit onderzochten in hoeverre modellen, die ontwikkeld zijn voor andere toepassingen, ook gebruikt kunnen worden voor het in beeld brengen van zonnepanelen.
Dr. Deniz Iren, als onderzoeker verbonden aan de faculteit Management, Science &Technology: ”We onderzochten meerdere machine learning technieken voor het geautomatiseerd classificeren van afbeelden.” De technieken werden beoordeeld op een aantal dimensies:
- Accuracy: Hoeveel procent van de daken wordt op de juiste manier (positief of negatief) herkend;
- Precision: Hoeveel procent van de herkende zonnepanelen is daadwerkelijk een zonnepaneel;
- Recall: Hoeveel procent van de daadwerkelijke zonnepanelen als zodanig wordt herkend.
De experimenten tonen aan dat de gebruikte modellen succesvol kunnen worden toegepast om zonnepanelen uit luchtfoto’s te classificeren. De best presterende modellen scoorden meer dan 90%.
Martine Hermans, projectleider verbonden aan de faculteit Management, Science & Technology: “Het resultaat van deze experimenten is dat er twee modellen als beste naar voren zijn gekomen. Deze modellen zullen in het vervolg van het project gebruikt worden om de eerste interactieve kaart op te leveren, waarbij ook luchtfoto’s van Vlaanderen zullen worden gebruikt.”
In het project zijn ook onderzoeksassistenten werkzaam. Momenteel werkt Xi Chen mee aan het Deep Solaris project om een demo te realiseren om zonnepanelen te vinden in luchtbeelden van Noordrijn-Westfalen (middels deep learning modellen). Hij specialiseert zich als master student van de faculteit Data Science and Knowledge engineering (van de Universiteit van Maastricht) in machine learning en deep learning.
Privacy maatregelen
Het CBS publiceert gegevens altijd zodanig dat daaraan geen herkenbare gegevens over een afzonderlijk persoon, huishouden, onderneming of instelling kunnen worden ontleend. Hoewel in dit project openbare gegevens (luchtfoto’s, satellietbeelden) als basis voor de analyse worden gebruikt, zullen de interactieve kaarten enkel op geaggregeerd niveau aantallen zonnepanelen laten zien.
Vervolgstappen
De eerste interactieve map wordt in het voorjaar 2019 verwacht. Daarnaast wordt er gewerkt aan een peer-reviewed paper dat in de eerste helft van2019 zal worden ingediend. Een van de vervolgstappen in het onderzoek is te onderzoeken in hoeverre satelliet data toepasbaar is voor de detectie van (grootschalige) zonne-installaties.
