來源：theinnovationenterprise.com
原文作者：Simorin Pinto
編譯：CEID
斯坦福大學(Stanford University)的研究人員開發了一種名為DeepSolar的深度學習系統，用於檢測太陽能電池板的安裝率，以瞭解與太陽能電池板部署相關的社會經濟因素。
研究團隊包括斯坦福大學的工程師阿倫·馬吉姆達爾(Arun Majumdar)和拉姆·拉賈戈帕爾(Ram Rajagopal)，以及研究生餘家芬(Jiafan Yu)和王哲誠(zcheng Wang)。
該團隊整合了機器學習（ML）技術，開發了深度學習和預測模型DeepSolar。新系統提供了大約37萬張衛星圖像，每張圖像長100英尺，寬100英尺。照片被分為兩類——安裝或不安裝太陽能電池板。隨後，DeepSolar系統學會了識別與太陽能電池板相關特徵（例如顏色、紋理和尺寸）。
研究人員從美國人口普查數據中獲取系統數據，例如環境和社會經濟因素，以確定太陽能電池板部署的趨勢和因素。
美國具有確切位置和尺寸的太陽能電池板的太陽能安裝報告進行了一個多月。DeepSolar使用了超過10億個圖像塊，覆蓋了所有的城市區域，以及帶有合理夜光的位置，從而構建了第一個完整的太陽能安裝剖面。
在這個報告中發現了147萬個裝置。
據研究人員介紹，該模型在居民區的準確率為93.1%，在非居民區的準確率為93.7%，而且新系統的準確率比以前的報告更高。
另外，整理後的數據是美國境內第一個公開的、精確的太陽能電池板安裝數據庫。
“我們將DeepSolar數據庫作為公開資源提供給研究人員，公用事業公司，太陽能開發商和政策制定者，以進一步發現太陽能部署模式，建立全面的經濟和行為模型，並最終支持太陽能電力的採用和管理，”該團隊補充說。
原文：https://channels.theinnovationenterprise.com/articles/stanford-ai-reveals-the-us-exact-solar-panel-adoption-rate?_ga=2.34350120.820145974.1545382178-95741580.1544603970
閱讀更多 城境智設 的文章
