利用地理空间数据评估能源安全：基于无人机与深度学习的小型家用太阳能系统制图
图像与视频处理
2022-04-26 v2
摘要
家用太阳能系统（SHS）是发展中国家远离电网的农村社区的一种经济高效解决方案，其为单个家庭供电的小型太阳能电池板及相关设备。进一步引导公共与私人资源投资以及追踪普遍电气化目标进展的关键资源，是共享获取关于单个SHS安装的高质量数据，包括位置与发电容量等信息。尽管近期出现了利用卫星影像与机器学习检测太阳能电池板的研究，但由于影像分辨率有限（部分小型太阳能电池板在卫星影像中仅占数个像素），它们难以准确定位许多SHS。在本工作中，我们探讨了在无人机（UAV）影像上进行自动SHS检测以替代卫星影像的可行性与成本-性能权衡。更具体地，我们探究三个问题：（i）利用无人机影像检测SHS的性能如何；（ii）与卫星影像相比，无人机数据收集的成本如何；（iii）基于无人机的SHS检测在真实场景中的表现如何。我们收集并公开发布了一个涵盖真实条件下成像SHS的高分辨率无人机影像数据集，并利用该数据集与来自卢旺达的数据集评估深度学习模型识别SHS的能力，包括那些因过小而无法在卫星影像中可靠识别的SHS。结果表明，从检测精度与数据收集经济成本两方面看，UAV影像可能是识别极小型SHS的可行替代方案。基于UAV的数据收集可成为支持实现可持续发展目标的电力接入规划策略及监测其进展的实用选项。
引用
@article{arxiv.2201.05548,
title = {Utilizing geospatial data for assessing energy security: Mapping small solar home systems using unmanned aerial vehicles and deep learning},
author = {Simiao Ren and Jordan Malof and T. Robert Fetter and Robert Beach and Jay Rineer and Kyle Bradbury},
journal= {arXiv preprint arXiv:2201.05548},
year = {2022}
}
备注
Published work at IJGI, please use the publisher's open access version of this work: https://doi.org/10.3390/ijgi11040222