据行业数据显示，近年来，全球太阳能中的装置利用率提高了30%，安装太阳能的平均成本从每瓦7美元下降到每瓦2.8美元，这使得屋顶太阳能吸引了更多的房主。然而，美国马萨诸塞大学阿默斯特分校的科学家表示，由于缺乏训练有素的专业人员，必须逐一进行劳动密集型的结构评估，屋顶设施的进度往往会放缓。

为了实现当前过程的自动化，由Prashant Shenoy和Subhransu Maji领导的UMass Amherst信息与计算机科学学院(CICS)的研究人员需要使用LIDAR技术的昂贵的3D航空地图，这在许多地区是不可用的。现在，他们的团队正在提出一种新的数据驱动方法，该方法使用机器学习技术和广泛可用的卫星图像来识别最有可能产生高性价比太阳能的屋顶。

本周，Shenoy、Maji和他们的同事将在阿拉斯加安克雷奇举行的第25届计算机学会特别兴趣小组知识发现和数据挖掘(ACM SIGKDD)会议上展示他们的新“DeepRoof”工具。

正如斯蒂芬李博士、CICS学生和主要作者指出的那样，“对屋顶太阳能潜力的评估可以极大地有利于决定采用太阳能的房主”，但“目前的自动化工具仅适用于可以获得LIDAR数据的城镇，从而将它们的范围限制在世界上的某些地方。”

新的数据驱动的DeepRoof方法利用了计算机视觉技术的最新发展，并使用卫星图像来精确确定屋顶的几何形状、附近的结构和影响屋顶太阳能潜力的树木。“DeepRoof估算可以用来确定在屋顶安装太阳能电池板的理想位置，”Lee补充道。

李说，该团队训练了来自六个不同城市的不同屋顶形状和大小的DeepRoof，以识别和提取平屋顶部分。结果表明，DeepRoof能够以91%的准确率识别屋顶的太阳能潜力。此外，该工具可以缩放以自动分析整个城市的卫星图像，从而识别太阳能潜力最大的所有建筑屋顶。

免责声明： 本文由用户上传，如有侵权请联系删除！

标签：