Industriecijfers laten zien dat het wereldwijde aantal zonne-energie-installaties in een recent jaar met 30 procent is gegroeid, en de gemiddelde kosten voor het installeren van zonne-energie zijn gedaald van $ 7 per watt naar $ 2,8 per watt, zonne-energie op het dak aantrekkelijk maken voor veel meer huiseigenaren. Maar de voortgang van dakinstallaties wordt vaak vertraagd door een tekort aan geschoolde professionals die dure hulpmiddelen moeten gebruiken om arbeidsintensieve constructiebeoordelingen één voor één uit te voeren, zeggen wetenschappers van de Universiteit van Massachusetts Amherst.

Om het proces op dit moment te automatiseren, zeggen UMass Amherst College of Information and Computer Sciences (CICS) onderzoekers onder leiding van Prashant Shenoy en Subhransu Maji, vereist dure driedimensionale luchtkaarten met LIDAR-technologie die voor veel gebieden niet beschikbaar is. Nu stelt hun team een ​​nieuwe, datagestuurde benadering die gebruikmaakt van machine learning-technieken en algemeen beschikbare satellietbeelden om daken te identificeren die het meeste potentieel hebben om kosteneffectieve zonne-energie te produceren.

Shenoy, Maji en collega's presenteren deze week hun nieuwe "DeepRoof"-tool op de 25e Association for Computing Machinery's Special Interest Group on Knowledge Discovery and Data Mining (ACM SIGKDD) conferentie in Anchorage, Alaska.

Zoals Stephen Lee, een doctoraat student bij CICS en hoofdauteur, wijst erop, "De schatting van het zonnepotentieel van een dak kan aanzienlijk ten goede komen aan huiseigenaren die besluiten zonne-energie te gebruiken, " maar "de huidige geautomatiseerde tools werken alleen voor steden en dorpen waar LIDAR-gegevens beschikbaar zijn, waardoor hun bereik wordt beperkt tot slechts een paar plaatsen in de wereld."

De nieuwe datagestuurde DeepRoof-aanpak maakt gebruik van recente ontwikkelingen in computervisietechnieken en maakt gebruik van satellietbeelden om de dakgeometrie nauwkeurig te bepalen, nabijgelegen structuren en bomen die het zonnepotentieel van het dak beïnvloeden. "DeepRoof-schattingen kunnen worden gebruikt om ideale locaties op het dak te identificeren voor het installeren van zonnepanelen, ’ voegt Lee eraan toe.

Het team heeft DeepRoof getraind met behulp van verschillende dakvormen en -afmetingen uit zes verschillende steden om vlakke daksegmenten te herkennen en te extraheren. zegt Lee. Resultaten tonen aan dat DeepRoof het zonnepotentieel van daken kan identificeren met een nauwkeurigheid van 91 procent. Verder, de tool kan worden geschaald om automatisch satellietbeelden van een hele stad te analyseren om alle daken van gebouwen met het meeste zonnepotentieel te identificeren.