找到 1 条结果
一种基于深度学习的多源信息融合方法用于高精度光伏识别：U2-Net图像分割与多光谱筛选的集成
A deep-learning multi-source information fusion method for high-precision PV identification: Integration of U2-net image segmentation and multi-spectral screening
Junyi Yanga · Lihua Zhaoa · Chengliang Xub · Yongjun Sunc 等6人 · Applied Energy · 2025年1月 · Vol.401
准确的光伏（PV）识别对未来光伏系统的选址和大规模渗透具有广阔的应用前景。本研究致力于通过融合U2-Net神经网络图像分割模型与多光谱光伏筛选技术，提升城市环境中光伏识别技术的精度。U2-Net模型对可见光卫星图像进行图像分割，以获取现有光伏站点的坐标和面积；随后，多光谱筛选技术结合多光谱卫星图像对图像分割结果进行处理，剔除误识别样本。为提高该技术的筛选性能，构建了光伏指数（Photovoltaic Index, PVI）及其归一化表达形式（nPVI）。详细的案例研究表明，所提出的基于深度学习的...
解读: 该深度学习光伏识别技术对阳光电源具有重要战略价值。通过U2-Net与多光谱融合实现91.37% IoU精度的光伏站点识别,可直接赋能iSolarCloud平台的智能运维能力,实现分布式光伏资产的自动化盘点与监测。识别出的城市光伏分布密度数据可指导SG系列逆变器在高工业化区域的优化部署,并为Power...