HyperionSolarNet：基于航拍图像的太阳能电池板检测
计算机视觉与模式识别
2022-01-07 v1
摘要
随着全球气候变化的影响波及世界，需要集体努力以减少温室气体排放。能源部门是气候变化的最大单一贡献者，许多工作聚焦于减少对碳排放电厂的依赖，转向太阳能等可再生能源。太阳能电池板位置的全面数据库对于协助分析人员和政策制定者制定进一步扩展太阳能的战略十分重要。本文聚焦于创建太阳能电池板的世界地图。我们识别给定地理区域内太阳能电池板的位置和总表面积。我们利用深度学习方法，基于航拍影像自动检测太阳能电池板位置及其表面积。该框架由使用图像分类器与语义分割模型串联的双分支模型组成，在我们创建的卫星图像数据集上训练。我们的工作提供了一种高效且可扩展的太阳能电池板检测方法，分类准确率达 0.96，分割性能 IoU 得分为 0.82。
引用
@article{arxiv.2201.02107,
title = {HyperionSolarNet: Solar Panel Detection from Aerial Images},
author = {Poonam Parhar and Ryan Sawasaki and Alberto Todeschini and Colorado Reed and Hossein Vahabi and Nathan Nusaputra and Felipe Vergara},
journal= {arXiv preprint arXiv:2201.02107},
year = {2022}
}