太陽能是一種完全可再生的綠色資源，對地球有好處。然而，近年來，科學家們發現太陽能發電廠對鳥類是致命的。
太陽能發電廠殺死鳥類?
據《連線》報道，隨著美國太陽能光伏產業的蓬勃發展，美國公用事業部門發現，多年來，在太陽能電站周圍發現了大量的鳥類死亡。沒有人知道為什么會發生這種情況，但這顯然是個嚴重的問題。
因此，在2013年，一群公用事業、學者和環境組織聚集在一起，組成了鳥類太陽能工作小組，以制定一項策略，試圖減少在美國各地的太陽能發電廠的鳥類死亡數量。
北卡羅來納州電力公司杜克能源(Duke Energy)是研究小組的成員。杜克能源公司的首席環境科學家Misti Sporer說:“關于太陽能對鳥類影響的研究很少。”“沒有人知道為什么鳥類會死在太陽能周圍。”事實證明，僅僅是獲取太陽能發電廠附近鳥類死亡的數據就具有挑戰性。
2016年的一項研究估計，美國的數百個太陽能發電廠每年可能殺死近14萬只鳥。雖然這還不到因燃煤發電廠(碰撞、觸電和中毒)而死亡的鳥類數量的十分之一，但研究人員預計，隨著計劃中的太陽能發電廠投入使用，這一數字在未來將增加近三倍。
太陽能發電廠和鳥類死亡之間的聯系仍然不清楚。一種主要的理論認為，鳥類將太陽能電池板發出的強光誤認為是湖泊，俯沖而下，導致死亡。然而，Sporer認為這一假設是基于人類的觀點。鳥類看東西的方式和人類一樣嗎?我們需要收集更多的數據來形成一個完整的答案。
人工智能觀鳥
今年早些時候，美國能源部(Department of Energy)與伊利諾伊州阿爾貢國家實驗室(Argonne National Laboratory)的一個團隊簽署了一份130萬美元的合同，開發一個人工智能平臺(AI Bird Watcher)，用于研究全美大型太陽能發電廠的鳥類行為。研究人員希望該系統收集的數據能幫助鳥類學家解開這個謎團。“重要的是要減少各種形式的太陽能對環境的影響，”領導該項目的生物物理科學家Yuki Hamada說。“這些鳥的問題令人擔憂，也是可再生能源行業希望了解和解決的問題。”
美國只有少數幾個地區有規定要求太陽能電廠運營商報告其電廠的鳥類死亡，而美國大多數大型太陽能電廠不需要關注這些問題。即使是那些需要提交報告的公司也面臨著收集高質量數據的能力上的限制，這些數據可能只能局限于每月派調查員去太陽能發電廠統計死鳥數量。雖然這有助于太陽能發電廠了解有多少鳥類正在死亡，但卻無法提供原因的線索。他們需要實時觀察數據。
軟件技術上的挑戰
計算死鳥數量是一項高度重復且令人不快的任務，而這正是人工智能所擅長的。但在實踐中，將該系統部署到太陽能發電站中，在技術上充滿了挑戰?？梢哉f，最困難的任務是教會機器學習算法在復雜的環境中有效地識別鳥類。鳥類的大小、形狀和顏色各不相同，這就意味著算法必須對鳥類的抽象概念有足夠的了解，才能識別它是在空中飛行還是棲息在太陽能電池板上。
亞當·希曼斯基(Adam Szymanski)是阿貢實驗室(Argonne LABS)的一名軟件工程師，他在那里負責為鳥類觀察者開發人工智能。他說，他使用的機器視覺軟件是從他的另一個項目發展而來的，該項目可以自動探測空中的小型無人機。無人機不像鳥類那樣有翅膀或腿，所以教算法識別它們相對容易。但是使用該算法來檢測鳥類需要Argonne團隊在數千張圖像中仔細標記鳥類，這樣它們就可以作為算法的訓練數據。
“我們正在進行的機器學習研究有點獨特，”Szymanski說。“我們不只是想對圖像中的物體進行分類。它必須隨著時間的推移對快速移動的物體進行分類。當一只鳥在飛行時，你在一些幀中看到一個點，在其他幀中看到它的翅膀，我們需要在它飛行時在攝像機的視場中跟蹤它。”
軟件技術挑戰
計算死鳥數量是高重復性、令人討厭的任務，這正是人工智能擅長的事情。但實際上，在太陽能電站中部署該系統充滿了技術挑戰?？梢哉f，最困難的任務是，如何教會機器學習算法在復雜環境中有效地識別鳥類。鳥類的大小、形狀和顏色各不相同，這就意味著算法必須對 “鳥” 這個抽象概念有充分的理解，才能識別出它們是在空中飛行，還是在太陽能電池板上棲息。
亞當 · 希曼斯基（Adam Szymanski）是阿貢實驗室的一名軟件工程師，他正在領導該實驗室人工智能鳥類觀察者的開發。他說，現在所用的機器視覺軟件是從他的另一個自動探測空中小型無人機的項目中發展出來的。無人機沒有像鳥一樣的翅膀，也沒有腿，所以教會算法識別無人機相對簡單。但是，若要將算法用于檢測鳥類，則需要阿貢實驗室團隊在數千張圖像中仔細地對鳥類進行標記，以便將它們用作算法的訓練數據。
希曼斯基說：“我們正在研究的機器學習研究有點獨特，我們不只是想對一張圖像中的物體進行分類。它必須隨著時間的推移對快速移動的物體進行分類。鳥在飛行時，在一些幀中你會看到一個點，在其他幀中你會看到它的翅膀，我們需要跟蹤在攝像機視野中快速飛過的鳥類。”
硬件技術挑戰
該系統的硬件也面臨一些挑戰。太陽能電站往往位于偏遠地區，這里通常也沒有機器學習所需要的基礎設施。附近沒有數據中心，網絡帶寬有限，甚至電力都很難獲得。希曼斯基說，“你會認為太陽能電站應該有電，因為它們生產電。但是這些硬件沒有與電池板連接的電源插座。”這意味著，運行鳥類觀測算法的硬件必須是資源節約型的，因為它將使用電池或自帶的小型太陽能電池板，同時還必須處理大量的實時數據。
為了實現這一目標，阿貢國家實驗室團隊正在使用由 Boulder AI 公司開發的監控行人和車輛交通的商用硬件。Boulder AI 公司的小型攝像系統是為邊緣計算而設計的，研究人員將其安裝在了太陽能電池板上。
今天，濱田文子和她的團隊正在從安裝在伊利諾斯州附近的兩個太陽能電站的攝像機中收集訓練數據?？茖W家們計劃將逐步擴大該項目，覆蓋美國各地的幾十個商業和政府太陽能電站，但新冠病毒疫情拖延了這一進度。起初，阿貢國家實驗室的人工智能系統只是試圖正確識別進入其視野的鳥類，但希曼斯基表示，最終它將足夠復雜，能夠區分少數幾種鳥類的行為，比如棲息在太陽能電池板上或撞向太陽能電池板。
這些數據將對研究人員至關重要，他們最終的任務是尋找防止太陽能電站鳥類死亡的解決方案。這還將幫助他們了解當地環境，如天氣或一天中不同時間，是如何影響鳥類行為的，或者可以確定其他可能導致鳥類死亡的原因。斯波勒說：“在沒有人類在場的情況下，能夠看到鳥類與場地的互動是非常有益的。這項技術讓我們得以窺探到一個我們通?？床坏降氖澜?，同時讓我們以對野生動物影響最小的方式進行相關研究。”
上一篇：太陽能熱發電技能的概念與分類 下一篇：太陽能光伏小科普