11、基于深度学习分割网络的高分辨率正射影像自动太阳能板检测

基于深度学习分割网络的高分辨率正射影像自动太阳能板检测

1 引言

随着不可再生能源的日益枯竭，全球都在探索更多可再生能源的利用方式，太阳能便是其中最重要且储量丰富的能源之一。为了利用太阳能，人们在地面和建筑物屋顶安装太阳能板，将太阳能转化为电能。近年来，太阳能板的安装数量激增。然而，从航空影像中准确检测出地面和建筑物上的太阳能板，并确定其准确的形状和大小，是评估这些太阳能板发电能力的前提条件。

语义分割技术可用于从航空影像中准确检测太阳能板。过去几年，机器学习方法广泛应用于分类、聚类和图像识别等领域，也有一些研究用于分析卫星影像中的道路、建筑物和车辆等物体。但与传统机器学习技术相比，深度学习在图像识别问题上表现更优，尤其是在语义分割这一关键研究领域。

语义分割是将图像的每个像素分类到一组预定义的类别中，将图像划分为不同区域，每个区域的像素属于同一类别。传统机器学习技术在图像分割中通常使用特征描述符提取特征，并使用分类器对每个像素进行分类，这种方法依赖特征提取过程，需要专业的特征工程，且特征提取和分类是分开进行的。而深度学习模型是端到端的模型，特征提取和分类通过单一算法完成，模型参数在学习过程中自动学习。因此，本文采用深度学习方法进行太阳能板检测。

2 相关工作

随着高分辨率卫星图像的普及和深度学习网络的出现，对高分辨率图像进行准确目标检测成为可能。过去，对航空/卫星图像中建筑物、道路和车辆等目标的检测研究较多，而对太阳能板检测的研究相对较少。以下是一些相关研究：
- VggNet ：有研究使用预训练的VggNet检测航空影像中的太阳能板，采用了由六个卷积层和两个全连接层组成的基本架构，对每