计算机科学家使用机器学习技术来加快过程

2019-10-10 10:18:21

行业数据显示,全球太阳能安装率在最近一年中增长了30%,太阳能安装的平均成本已从每瓦特7美元降至每瓦特2.8美元,这使得屋顶太阳能吸引了更多的房主。马萨诸塞州阿默斯特大学的科学家说,但由于缺乏训练有素的专业人员,他们必须使用昂贵的工具来进行劳动密集型结构评估,因此往往会减慢屋顶安装的进度。

由Prashant Shenoy和Subhransu Maji领导的UMass Amherst信息与计算机科学学院(CICS)的研究人员说,当前要使该过程自动化,需要使用LIDAR技术的昂贵的三维航图,而这在许多地区都没有。现在,他们的团队正在提出一种新的,数据驱动的方法,该方法使用机器学习技术和广泛使用的卫星图像来确定最有可能产生具有成本效益的太阳能的屋顶。

Shenoy,Maji及其同事本周在阿拉斯加安克雷奇举行的第25届计算机协会知识发现和数据挖掘特别兴趣小组(ACM SIGKDD)会议上展示了他们的新“ DeepRoof”工具。

身为Stephen Lee博士 CICS的学生和主要作者指出,“对屋顶的太阳能潜力的估计可以使决定采用太阳能的房主受益匪浅”,但“当前的自动化工具仅适用于具有LIDAR数据的城市和城镇,从而将其范围限制为仅世界上的一些地方。”

新的数据驱动DeepRoof方法利用了计算机视觉技术的最新进展,并使用卫星图像来准确确定影响屋顶太阳能潜力的屋顶几何形状,附近的结构和树木。Lee补充说:“ DeepRoof估算值可用于确定屋顶上安装太阳能电池板的理想位置。”

Lee团队使用来自六个不同城市的不同屋顶形状和尺寸对DeepRoof进行了培训,以识别和提取平面屋顶部分,Lee说。结果表明,DeepRoof可以以91%的精度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,以识别具有最大太阳能潜力的所有建筑物屋顶。

郑重声明:本文版权归原作者所有,转载文章仅为传播更多信息之目的,如作者信息标记有误,请第一时间联系我们修改或删除,多谢。