По словам исследователей UMass Amherst College of Information and Computer Sciences (CICS) под руководством Прашанта Шеноя и Субхрансу Маджи, для автоматизации процесса в настоящее время требуются дорогие трехмерные аэрофотоснимки с использованием технологии LIDAR, недоступной для многих областей. Теперь их команда предлагает новый подход, основанный на данных, который использует методы машинного обучения и широко доступные спутниковые изображения для определения крыш, которые имеют наибольший потенциал для производства рентабельной солнечной энергии.
Шеной, Маджи и его коллеги представляют свой новый инструмент «DeepRoof» на этой неделе на 25-й конференции Группы специальных интересов Ассоциации вычислительной техники по открытию знаний и интеллектуальному анализу данных (ACM SIGKDD) в Анкоридже, Аляска.
Как Стивен Ли, доктор.D. студент CICS и ведущий автор отмечает: «Оценка солнечного потенциала крыши может существенно принести пользу домовладельцам, решившим перейти на солнечную энергию», но «текущие автоматизированные инструменты работают только в тех городах, где доступны данные LIDAR, тем самым ограничивая их охват только несколько мест в мире."
Новый подход DeepRoof, основанный на данных, использует преимущества последних достижений в области технологий компьютерного зрения и использует спутниковые изображения для точного определения геометрии крыши, близлежащих структур и деревьев, которые влияют на солнечный потенциал крыши. «Оценки DeepRoof можно использовать для определения идеальных мест на крыше для установки солнечных панелей», – добавляет Ли.
По словам Ли, команда обучила DeepRoof, используя крыши разных форм и размеров из шести разных городов, для распознавания и извлечения плоских сегментов крыши. Результаты показывают, что DeepRoof может определить солнечный потенциал крыш с точностью 91%.
Кроме того, инструмент можно масштабировать для автоматического анализа спутниковых снимков всего города для определения крыш всех зданий с наибольшим солнечным потенциалом.