利用机器学习和廉价的卫星数据设计屋顶太阳能

时间：2021-09-23 20:16:44 来源：

这位作者的太阳能朋克小说涉及清洁联盟（Clean Coalition）的团队，使用他们的电网图，指导商业区域在城市一级的战略性太阳能+储能布置，并考虑到特斯拉的1600多个增压器，以及每个人家中都有太阳能+储能。在这个超级分布式网络中，一定程度上，我们将获得弹性。到达那里需要耐心和聪明的工具。

马萨诸塞州大学阿默斯特分校的研究人员已经构建了一个名为DeepRoof的软件工具，他们说该工具在确定屋顶的太阳能潜力方面实现了91.1％的“真实积极率”，同时使用了广泛使用的（廉价的）卫星来自Google Earth等工具的数据。他们在“深层屋顶”中的目标：使用屋顶图像进行数据驱动的太阳能潜力估算方法，是从承包商那里获取地址（或GPS坐标）列表，并移交这些地点的太阳能潜力。

研究人员能够利用机器学习中许多现有的进步来自动识别建筑物和树木等结构，但是发现其中大多数工具都使用LIDAR（基于激光的空中测绘技术来确定屋顶的几何形状以及附近的阴影）对象。不幸的是，由于需要无人机或飞机，激光雷达数据的收集成本很高，而且无法广泛获得。Google的天窗计划被认为是一种基于LIDAR的高质量工具，但仅限于美国大城市和人口稠密的地区。

该小组的第一步是地形分割，他们在像素级别上确定是否存在结构，阴影或屋顶。研究人员指出，在像素级别上识别图像中的对象称为语义分割，并且是经过充分研究的计算机视觉问题，其中最近的“深度学习”方法已经优于以前的基于视觉的技术。

然后，软件将在过程的“拓扑估计”部分中查看这些零件所面对的各个形状和方向。研究人员指出，可以轻松地从OpenStreetMap中获取建筑物属性的轮廓，以及指定区域内的所有建筑物及其地址信息。然后，他们将其与房地产数据集和联邦紧急事务管理局指南相结合，以提供有关屋顶高度和倾斜度的合理估计。

郑重声明：文章仅代表原作者观点，不代表本站立场；如有侵权、违规，可直接反馈本站，我们将会作修改或删除处理。