Nederlands Deep Learning-model voor zonnepanelen beschikbaar in de Levende Atlas

Geospatial Artificial Intelligence (GeoAI) bundelt de krachten van AI met geografie en GIS, zoals bij het voorspellen van criminaliteit, het in kaart brengen van vogelkolonies, digitalisering van het waterbeheer of klimaatadaptatie op lokaal niveau. Met name bij vraagstukken waarbij objecten of gebieden op grote schaal nauwkeurig in kaart moeten worden gebracht bieden Deep Learning-analyses een grote toegevoegde waarde. Immers, het handmatig intekenen van objecten vanuit beelden – zoals het digitaliseren van gebouwgrenzen of het maken van landgebruikskaarten – kan een tijdrovende klus zijn. Deep Learning automatiseert dit proces en reduceert de hoeveelheid handmatig werk sterk. Met de komst van voorgetrainde Deep Learning-modellen voor de Nederlandse markt wordt dit proces nog toegankelijker.

Het trainen van een Deep Learning-model kan complex zijn – er is veel voorbeelddata nodig, voldoende machine resources en kennis over hoe Deep Learning precies werkt. Door gebruik te maken van kant-en-klare modellen, hoeft u geen tijd en energie te investeren in het handmatig labelen van objecten of het trainen van een Deep Learning-model. Deze modellen zijn zodanig getraind dat u zelfstandig aan de slag kunt gaan met uw eigen beelddata en toepassingen.

In de Levende Atlas zijn nu - naast alle andere beschikbare content – voorgetrainde Deep Learning-modellen beschikbaar in de vorm van zogenaamde Deep Learning Packages (DLPK). Bijvoorbeeld voor het digitaliseren van gebouwgrenzen en wegen, het classificeren van landbedekking, het herkennen van auto’s, maar ook voor het classificeren van bomen in puntenwolken. Een Deep Learning Package is een item waarin alle intelligentie van een Deep Learning-model is opgeslagen en dat u eenvoudig via een portaal kunt delen met collega’s of andere betrokkenen. De Deep Learning Packages dienen als startpunt om de vele mogelijke toepassingen van AI binnen GIS zelf verder te verkennen.

Om deze modellen toe te passen gebruikt u de aanwezige geoprocessing tools binnen ArcGIS. U wijst de tool simpelweg naar uw imagery en naar het gedownloade model en dat is het – Deep Learning kan bijna niet toegankelijker worden gemaakt.

In de afgelopen jaren is er de nodige ervaring opgedaan met de bestaande Deep Learning-modellen. In de komende periode komen er een aantal modellen beschikbaar voor marktoverstijgende toepassingen, specifiek gericht op de Nederlandse markt.

Veel lokale overheidsinstanties zijn continu bezig om hun beheergebied goed in te kaart te brengen, waaronder ook de aanwezige installaties van zonnepanelen in het kader van de energietransitie. Ons Deep Learning-model voor zonnepanelen, dat vanaf deze maand beschikbaar is in de Levende Atlas, stelt u in staat om zonnepanelen te detecteren, waarbij ook een nauwkeurige segmentatie plaatsvindt. Dit betekent dat de grenzen van het object inzichtelijk worden gemaakt om als input te gebruiken voor oppervlakte-analyses. De uitkomsten zijn te gebruiken in bijvoorbeeld een monitoringsdashboard. Bekijk de 'How-to: Zonnepanelen detecteren met een Deep Learning-model' over het detecteren van zonnepanelen op hoge resolutie-luchtfoto's met behulp van het nieuwe Deep Learning-model. Verdere inspiratie en een technische uitwerking van een toepassing kunt u bekijken in de StoryMap ‘GeoAI – Innovatiesprint klimaatadaptatie’.

Wilt u zelf ook een vliegende start maken met Deep Learning en GeoAI? Met de Kickstart GeoAI helpen de GeoAI-experts van Esri Nederland u om stapsgewijs te ontdekken hoe de toepassing van AI binnen uw GIS-vraagstukken ervoor kan zorgen dat u uw werk slimmer en efficiënter kunt uitvoeren. Vul uw contactgegevens in en er wordt op korte termijn contact met u opgenomen.