Les réseaux neuronaux convolutifs ou à convolution sont adaptés au traitement d’images et à leur étude. Des chercheurs de Stanford ont utilisé un tel réseau, baptisé DeepSolar, pour analyser des images satellitaires afin de repérer les panneaux photovoltaïques sur le territoire américain. Ce procédé a permis de dresser une base de données des panneaux solaires déployés et d’effectuer, notamment, une cartographie de la typologie des propriétaires d’un tel équipement.

DeepSolar est basé sur les travaux de Yann LeCun dans le domaine des CNN (Convolutional Neural Networks). Le réseau a effectué son apprentissage sur 366 467 images couvrant 50 villes puis a analysé 1 milliards d’images satellites (après avoir vérifié la pertinence du modèle sur 93500 images aléatoires).

Forts de ces résultats, les chercheurs ont pu corréler les informations de déploiement des panneaux solaires et des facteurs environnementaux (taux d’ensoleillement) et sociaux-économiques. Ainsi la mise en oeuvre du photovoltaïque croît avec les revenus des foyers (avec un plafonnement à 150K$) :

En complément, le système propose un modèle prédictif du déploiement du solaire. L’algorithme et les données sont mises à disposition gracieusement par les équipes de Stanford afin de faciliter les prévisions de développement du solaire dans les zones résidentielles et de construire des modèles économiques.

Le papier qui présent les travaux est disponible ici ou en téléchargement : 78-78-deepsolar. Le projet est décrit sur le site de Stanford.