基于视觉和语言基础模型的建筑立面太阳能PV安装潜力评估
计算机视觉与模式识别
2025-10-02 v1 人工智能
摘要
建筑立面代表了密集城市环境中未充分利用的太阳能发电资源，但由于复杂的几何结构和语义组成，评估其光伏(PV)潜力仍然具有挑战性。本研究提出SF-SPA(Semantic Facade Solar-PV Assessment)，一个自动化框架，将街景照片转化为量化的PV部署评估。该方法结合了计算机视觉和人工智能技术，以解决三个关键挑战：视角畸变校正、立面元素语义理解以及PV布局优化的空间推理。我们的四阶段管道经过几何矫正、零-shot语义分割、大型语言模型(LLM)引导的空间推理和能源模拟。针对80座建筑进行验证，显示出稳健的性能，平均面积估计误差为6.2%±2.8%，与专家注释相符。自动化评估每座建筑约需100秒，显著提高了效率，超越了手动方法。模拟的能源收益预测确认了该方法的可靠性和适用于区域潜力研究、城市能源规划和建筑集成光伏(BIPV)部署。代码可在 https:github.com/CodeAXu/Solar-PV-Installation 获得。
引用
@article{arxiv.2510.00797,
title = {Solar PV Installation Potential Assessment on Building Facades Based on Vision and Language Foundation Models},
author = {Ruyu Liu and Dongxu Zhuang and Jianhua Zhang and Arega Getaneh Abate and Per Sieverts Nielsen and Ben Wang and Xiufeng Liu},
journal= {arXiv preprint arXiv:2510.00797},
year = {2025}
}