Skip to main content

Anwendungen

Vogeltracking-System für Windkraftanlagen

Vogeltracking-System für Windkraftanlagen schützt gefährdete Vögel

Windkraftanlagen müssen aufgrund immer strengerer Artenschutzauflagen abgeschaltet werden, wenn geschützte Vogelarten in die Nähe kommen. Ein Bildverarbeitungssystem der phil-vision bannt mit Hilfe künstlicher Intelligenz die Gefahr, dass die Vögel von den Windrädern getroffen werden, und minimiert teure Stillstandszeiten.

Für den Bau und den Betrieb von Windkraftanlagen haben sich die Artenschutzauflagen in den vergangenen Jahren enorm erhöht. So müssen beispielsweise Windräder, in deren Umgebung sich in einem bestimmten Radius windkraftempfindliche Vogelarten befinden, generell für einige Tage abgeschaltet sein, sobald dort Feldarbeiten wie Pflügen, Dreschen oder Mähen stattfinden. Zu diesen Zeiten besteht für Vögel eine erhöhte Gefahr, da sie sich dann zur Nahrungssuche vermehrt über diesen Feldern aufhalten.

Auch wenn sich geschützte Vögel in der Nähe bestehender Anlagen einnisten, dürfen diese nur noch eingeschränkt betrieben werden. Immer häufiger sind daher ganztägige Abschaltungen in der Brutperiode zum Beispiel von März bis August Bestandteil von Genehmigungen.

Jeder Tag, an dem ein Windrad keinen Strom produziert, verschlechtert jedoch die Wirtschaftlichkeit der Anlage. Trotz des vorhandenen politischen Willens, die Nutzung erneuerbarer Energien gegenüber fossilen Brennstoffen auszubauen, ist daher der Bau von Windrädern insbesondere aufgrund der Artenschutzauflagen stark eingebrochen.

Mit Hilfe von Bildverarbeitung und künstlicher Intelligenz sollte dieses Problem nun auf eine Weise gelöst werden, die einerseits die nötige Wirtschaftlichkeit für Windparkbetreiber, aber auch die Bedürfnisse des Artenschutzes berücksichtigt. Um lange, kostspielige Abschaltzeiten zu vermeiden, in denen häufig gar keine Tiere in Gefahr sind, entwickelte die Bürgerwindpark Hohenlohe GmbH mit Unterstützung der phil-vision GmbH ein System, mit dem große Greifvögel erkannt und lokalisiert sowie deren Flugbahn verfolgt werden können. Ziel ist es, Windräder gezielt und nur dann abzuschalten, wenn geschützte Vögel eine entsprechende Distanz dazu unterschreiten.

System zur Erkennung von Greifvögeln im Anflug auf Windkraftanlagen

Die Bürgerwindpark Hohenlohe GmbH entwickelt zusammen mit der phil-vision GmbH ein System, mit dem große Greifvögel erkannt und lokalisiert sowie deren Flugbahn verfolgt werden können.

Kameras in wetterfesten Gehäusen sind am Mast eines Windrads montiert

Sechs industrielle Farbkameras mit Auflösungen von 6 oder 20 Megapixel in wetterfesten Schutzgehäusen am Mast eines Windrads nehmen Bilder auf, um den Luftraum um das Windrad herum zu überwachen.

Anspruchsvolle Aufgabe

Die Erkennung von Vögeln und ihre Klassifizierung für die nachfolgende Entscheidung, ob es sich um eine geschützte Art handelt, ist laut phil-vision-Gründer Gregor Philipiak eine extrem anspruchsvolle Aufgabe:

“An jedem Standort eines Windrads liegen unterschiedliche Gegebenheiten der Fauna vor, daher ist es erforderlich, individuelle Schutzkonzepte zu erstellen. Mit einem ersten Überwachungssystem erarbeiten wir daher zunächst die spezifischen Anforderungen, um dann das Zielsystem für jede Anlage passend auszulegen“.

Die bisherigen Ergebnisse sind laut Philipiak vielversprechend: „Aktuell haben wir rund zehn Testsysteme installiert. Ein solches System besteht aus sechs industriellen Farbkameras mit Auflösungen von 6 oder 20 Megapixel, die in wetterfesten Schutzgehäusen am Mast eines Windrads befestigt werden und Bilder aufnehmen, um den kompletten Luftraum um das Windrad herum zu überwachen.“ 

Um die gesamte Umgebung im 360°-Rundumblick erfassen zu können, werden dabei spezielle Weitwinkelobjektive eingesetzt, mit denen sich solche breiten Bildfelder überblicken lassen.

KI-basiertes Programm verfolgt die Flugbahn der Vögel

Das Programm verfolgt die Flugbahnen geschützter Vögel solange, bis sie für den Betrieb des Windrads keine Gefahr mehr darstellen.

Hunderttausende von Bildern

Die Auswertung der aufgenommenen Bilder und die sichere Erkennung gefährdeter Vögel stellt die eigentliche Kunst in dieser Anwendung dar, so Philipiak: „Unser System arbeitet auf Basis von Deep-Learning-Verfahren und benötigt für die Anlernphase knapp 400.000 Bilder von Vögeln unterschiedlicher Art, in unterschiedlichen Entfernungen und mit verschiedenen Flugpositionen. Hinzu kommen weitere rund 100.000 Bilder pro negativer Instanz, z.B. von Insekten, Flugzeugen oder Hubschraubern, sowie die aufgenommenen Bilder mit den lokalen Besonderheiten.“ Aus dieser großen Anzahl an Trainingsbildern erstellt ein leistungsstarkes Entwicklungssystem automatisch einen Entscheidungsbaum sowie einen Klassifikator, der als Grundlage für die Unterscheidung in der späteren Einsatzphase dient.

„Durch die Verwendung von Deep Learning-Methoden kreieren wir somit ein intelligentes System, das die betreffenden Tiere vor unterschiedlichsten Hintergründen und unter variablen Bedingungen automatisiert detektiert und von möglicherweise ähnlichen Objekten wie etwa Flugzeugen oder Fliegen unterscheidet“, erklärt Philipiak.

Unterscheidung von Vögeln auf Basis von Deep Learning

Erkennen der Flugbahnen

Zur Optimierung arbeitet das phil-vision-System in zwei Schritten und mit unterschiedlichen Auflösungen: Mit Hilfe von 6-Megapixel-Kameras werden zunächst alle bewegten Objekte erkannt. Durch die Umschaltung auf Kameras mit 20-Megapixel-Auflösung können solche Objekte anschließend mit höherer Genauigkeit identifiziert werden. So ermittelt das System, ob es sich bei einem gefundenen Objekt überhaupt um einen Vogel handelt und anschließend, ob das Tier einer unter Artenschutz stehenden Gattung angehört.

Die Flugbahnen geschützter Vögel verfolgt das Programm solange, bis sie nicht mehr erkennbar sind und damit für den Betrieb des Windrads keine potentielle Gefahr mehr darstellen. Unterschreitet ein geschützter Vogel die vorgegebene Mindestdistanz zum Windrad, so wird ein entsprechendes Signal an dessen Steuerung ausgegeben, um die Anlage rechtzeitig zu verlangsamen.

Aus wirtschaftlichen Gründen zählt es zu den vorrangigen Zielen eines Windparks, möglichst wenige Fehlauslösungen zu erhalten. Durch den Einsatz von leistungsfähigen Deep-Learning-Algorithmen konnten wir diese Vorgabe im Lauf der Programmierung immer besser erfüllen und die Anzahl der Fehlabschaltungen deutlich reduzieren.

Weitere Applikationsberichte

Sie möchten mehr wissen?

Sie haben Fragen zu unseren Applikationsberichten oder anderen Nachrichten aus unserem Blog oder benötigen Bildmaterial?

Wenden Sie sich bitte an Astrid Sommerkamp unter +49 89 125094354 oder per Email Diese E-Mail-Adresse ist vor Spambots geschützt! Zur Anzeige muss JavaScript eingeschaltet sein.