Kommt ein Vogel geflogen
Deep Learning bei Vogeltracking-Systemen für Windkraftanlagen
Der Bürgerwindpark Hohenlohe und Phil-Vision entwickeln ein auf KI basierendes Visionsystem, um große Greifvögel zu erkennen und notfalls Windräder zu verlangsamen, wenn ein Vogel eine entsprechende Distanz unterschreitet.
Bild 1 | Verfolgung der Flugbahn eines detektierten Vogels, um bei Unterschreitung einer gewissen Distanz die Windräder zu verlangsamen. (Bild: Phil-Vision GmbH)
Für den Bau und den Betrieb von Windkraftanlagen haben sich die Artenschutzauflagen in den vergangenen Jahren enorm erhöht. So müssen Windräder, in deren Umgebung sich in einem bestimmten Radius landwirtschaftliche Flächen befinden, z.B. für einige Tage abgeschaltet werden, sobald dort Äcker gepflügt werden. Zu diesen Zeiten besteht für geschützte Vogelarten erhöhte Gefahr, da diese sich vermehrt auf bzw. über den Feldern aufhalten. Es werden sogar bereits gebaute Anlagen abgeschaltet, wenn ein geschützter Vogel sich in der Nähe einer solchen einnistet. Eine Möglichkeit, diesem Problem zu begegnen, besteht darin, die Windräder zu verlangsamen, sobald sich gefährdete Vögel in deren Nähe aufhalten. Um die langen Abschaltzeiten – in denen oft nicht einmal Tiere in Gefahr sind – zu vermeiden, entwickelt der Bürgerwindpark Hohenlohe mit phil-vision ein Visionsystem, basierend auf künstlicher Intelligenz, um große Greifvögel zu erkennen, zu lokalisieren und deren Flugbahn zu verfolgen. Auf diese Weise soll es möglich sein, das nahestehende Windrad gezielt nur dann verlangsamen zu müssen, wenn ein Vogel eine entsprechende Distanz unterschreitet. Da an jedem Standort eines Windrads unterschiedliche Gegebenheiten in der Fauna vorliegen, ist es jedoch nötig, individuelle Schutzkonzepte zu erstellen. Daher werden derzeit mit einem ersten Überwachungssystem die spezifischen Anforderungen erarbeitet, um das Zielsystem für jede Anlage passend auszugestalten.
Tracking mit Deep Learning
Zur Aufnahme der Bilder überwachen mehrere am Windrad in wetterfesten Schutzgehäusen befestigte Farbkameras (6 oder 20MP) den kompletten Luftraum um das Windrad. Um die gesamten 360° zu erfassen, werden spezielle Weitwinkelobjektive eingesetzt, mit denen der Überblick über solch breite Bildfelder möglich ist. Die für das Deep Learning benötigte Menge an Bilddaten wurde für die Entwicklungsphase anschließend auf einem Entwicklungsrechner verarbeitet. Die Erstellung der eigentlichen Bildverarbeitung stützt sich auf neuronale Netze, mithilfe derer die Erkennung der Vögel antrainiert wurde. Deep Learning erlaubte somit ein intelligentes System zu kreieren, das automatisiert die betreffenden Tiere vor unterschiedlichsten Hintergründen und unter variablen Bedingungen detektiert und von ähnlichen Objekten (z.B. Flugzeuge oder Fliegen) unterscheidet. Einmal gefunden, werden die Flugbahnen der Vögel vom Programm solange nachverfolgt, bis sie nicht mehr erkennbar sind und damit für den Betrieb des Windrads keine potentielle Gefahr darstellen.
