"Nous nous y connaissions en énergie éolienne et en appels d’offres, pas du tout en intelligence artificielle ni en deep learning", se souvient Benjamin Friedle, l’un des directeurs généraux du parc éolien citoyen d’Hohenlohe, à côté de Stuttgart, qui gère 21 éoliennes financées par 900 citoyens. L’équipe de 11 personnes décide pourtant de se lancer il y a trois ans, préoccupée par l’enjeu croissant de la protection de la biodiversité. "Si un parc est placé dans une zone où vivent des oiseaux protégés, il devient quasiment impossible d’obtenir une autorisation sans dispositif de protection et d’arrêt automatique", précise-t-il.
Dans le sud de l’Allemagne, la principale espèce protégée est le milan royal. Ce rapace, dont l’envergure peut atteindre 2 mètres, plonge à pic vers le sol pour attraper ses proies, au risque de se faire frapper par les pales. En 2018, une étude ciblant 27 éoliennes a recensé six morts de spécimens. D’autres espèces de volatiles ou de chauves-souris sont aussi concernées. "Nous travaillons avec des biologistes pour analyser leurs flux migratoires. Pendant les récoltes, nous stoppons les éoliennes pendant trois jours, par précaution", souligne le dirigeant. Un véritable manque à gagner.
52 paramètres d’identification
Fin 2017, l’équipe identifie plusieurs solutions de reconnaissance d’images, dont celles du français Biodiv-Wind et de l’espagnol DTBird. "Nous ne voulions pas de solution sur étagère, en raison de la complexité des dossiers et du paiement de licence pour chaque parc", précise Benjamin Friedle. L’entreprise y voit aussi l’opportunité d’un nouveau marché, car monter des projets dans l’éolien est très compliqué en raison des lourdeurs administratives et de la réticence des habitants. Elle choisit finalement la start-up Phil-Vision, installée à Munich.
Outre sa taille et sa philosophie, l’entreprise a l’avantage d’avoir déjà travaillé sur la reconnaissance d’images en mouvement pour le développement d’un logiciel d’aide à l’arbitrage de matchs de football, qui repère en temps réel la présence du ballon et des joueurs sur le terrain. "Détecter un petit objet en mouvement sur une grande surface correspondait à nos besoins", justifie Benjamin Friedle.
Dès mars 2018, les premières caméras sont installées. La version bêta se révèle insuffisante. "Le logiciel, qui filtrait en fonction de la trajectoire de vol, ne parvenait pas à distinguer à 100 % tout ce qui vole dans le ciel : insectes, oiseaux, feuilles, avions, hélicoptères… ", détaille-t-il.
Deep learning
Accompagné par Phil-Vision, le parc éolien se tourne alors vers l’intelligence artificielle et le deep learning. Alimenté par plus de 2 millions d’images et de vidéos de vols d’oiseaux, le nouveau système identifie la bonne espèce au moyen de 52 paramètres (couleur, taille, trajectoire…). Dès qu’un oiseau ciblé est en approche, le système arrête automatiquement les pales des éoliennes, en vingt à trente secondes. Pour cela, six caméras installées autour du mat scrutent le ciel tandis que le serveur, installé sur le parc, analyse les données (1 Gbit par seconde et par caméra). "L’avantage du deep learning est qu’il apprend de ses erreurs, se réjouit Benjamin Friedle. Et nous pouvons ajouter progressivement des espèces." Actuellement, le système en cible quatre.
L’expérience s’avère si concluante que les deux partenaires envisagent de créer une coentreprise pour commercialiser leur solution, baptisée Bird-Vision, à d’autres gestionnaires de parcs. Cela permettra aussi de rentabiliser l’investissement, estimé à environ 500 000 euros. "Le secteur comporte de plus en plus de contraintes financières, environnementales et sociétales, explique Benjamin Friedle. Nous nous diversifions et gagnons en valeur ajoutée avec cette compétence supplémentaire." Un nouveau business model pour cette petite équipe.
August 18, 2020 at 12:00PM
https://ift.tt/2E7oDIR
Comment l'IA permet de protéger les oiseaux près d'un parc éolien citoyen en Allemagne - Eolien - L'Usine Nouvelle
https://ift.tt/2ZcoBqa
oiseau
No comments:
Post a Comment