Detectie van Zonnepanelen

GeoAI - Innovatiesprint Klimaatadaptatie

Klimaatadaptatie

De aarde warmt op en het klimaat verandert. Nederland moet zich voorbereiden op de risico's van het veranderende klimaat en hierop de omgeving aanpassen. Dit heet klimaatadaptatie. Voorbeelden van klimaatadaptatie zijn dijken verstevigen, rivieren verbreden en meer groen in steden en dorpen.

Samen met de provincie Overijssel en de gemeente Almelo hebben wij 3 klimaatadaptatie cases gericht op artificial intelligence opgesteld namelijk: Zonnepanelen monitor, groen/grijs analyse en een bomen analyse. De uitkomst van deze projecten kunnen helpen in beleidsbepaling voor klimaatadaptatie op verschillende bestuursniveaus. Deze StoryMap zal gefocust zijn op het detecteren van zonnepanelen.

Wat is GeoAI?

GeoAI
GeoAI

Afbeelding 1 : Overzicht Artificial Intelligence

GeoAI is de combinatie van Artificial Intelligence (AI) en Geo/GIS. AI neemt de laatste jaren een steeds belangrijkere rol in binnen allerlei organisaties. Dit wordt mogelijk gemaakt door recente ontwikkelingen in computerkracht, slimmere algoritmes, goedkopere dataopslag en niet onbelangrijk: het volume en de variatie in beschikbare data. Combineer deze ontwikkelingen met GIS, het beschikbaar maken van informatie op de kaart, en er ontstaat een krachtige combinatie

Machine learning is onderdeel van AI en is een set van data-gedreven algoritmes & technieken om het voorspellen, classificeren en clusteren van data te automatiseren.

Machine learning binnen het Esri-platform is al geruime tijd mogelijk en is nog steeds volop in ontwikkeling. Er zijn 4 typen analyses te onderscheiden:

  • Het classificeren van objecten en pixels
  • Het clusteren van gebeurtenissen
  • Het voorspellen van een onbekende locatie of gebeurtenis
  • Het detecteren van objecten met deep learning
Esri 4 type analyses

Afbeelding 2: De 4 type analyses

Deep learning is een type machine learning dat werkt op basis van neurale netwerken die werken zoals ons menselijk brein. Dit is met name zeer geschikt om complexe patronen te herkennen in ongestructureerde data zoals spraak, tekst of imagery. Deze vorm van machine learning is het laatste decennium aan een opmars bezig.

Hoe deep learning gebruikt kan worden voor het detecteren van zonnepanelen leg ik hieronder uit. Wilt u meer weten over GeoAI, bezoek dan onze kickstart pagina via onderstaande link.

Trainingsdata prepareren

System Requirements

Om het gemaakte model uit te voeren op een eigen studiegebied is het noodzakelijk om te beschikken over de volgende componenten:

  • ArcGIS Pro – ArcGIS Image Analyst extension
  • ArcGIS Enterprise – ArcGIS Image Server with raster analytics configured
  • ArcGIS Online – ArcGIS Image for ArcGIS Online
Wijk met zonnepanelen

Om het hierboven beschreven model te ontwikkelen is het noodzakelijk om over de volgende componenten te beschikken:

  • ArcGIS Pro - ArcGIS Image Analyst extension
  • Deep learning libraries for  Deep learning 
  • Hoge resolutie luchtfotos
  • Een degelijke machine met een goede (NVidia) grafische kaart (> 4 GB GPU memory)

Slotwoord

In deze Storymap zien we een voorbeeld van GeoAI die kan helpen bij klimaatadaptatie vraagstukken. Het gemaakte model kan de gemeente Almelo helpen bij het in kaart brengen van zonnepanelen in de gemeente en daarnaast helpen om de ontwikkelingen de komende jaren op de voet volgen door middel van een dashboard. Dit dashboard is makkelijk toegankelijk en deelbaar binnen de organisatie. Het bundelen van de uitkomst van het model met open data uit de ArcGIS Living Atlas zorgt dat het mogelijk om de data te verrijken en uiteindelijk tot meer inzichten te komen.

Ik hoop dat ik door deze StoryMaps de kracht van GeoAI hebben kunnen aantonen en moedigen u aan om met deze kennis op zak zelf aan de slag te gaan om data science-vraagstukken binnen uw organisatie naar het ArcGIS platform te brengen.

Heeft u vragen of opmerkingen dan kunt u natuurlijk contact met ons opnemen via: contact@esri.nl of 010-2170700.

Afbeelding 1 : Overzicht Artificial Intelligence

Afbeelding 2: De 4 type analyses