Liang Li · Ning Lu · Jun Qin · Applied Energy · 2025年1月 · Vol.377

摘要 从遥感图像中分割户用屋顶光伏（PV）系统时，边缘检测不准确是一个常见挑战，这阻碍了获取精确的光伏分布信息，而该信息对于光伏发展的规划与管理至关重要。一种广泛采用的解决方案是将额外的边缘检测任务引入联合任务学习框架中，以增强对边缘的感知能力。然而，现有的联合任务学习方法通常难以准确检测光伏边缘，并且缺乏有效机制来区分光伏边缘与相似物体的边缘。为应对上述挑战，本文提出了一种新颖的联合任务学习框架。该框架引入了尺度自适应模块（Scale Adaptive Module, SAM），能够根据光伏的...

解读: 该户用光伏分割技术对阳光电源户用光伏业务具有重要应用价值。通过精准识别屋顶光伏边缘与分布信息,可优化SG系列户用逆变器的选型与布局规划,提升MPPT优化效率。结合iSolarCloud平台,该技术可实现分布式光伏资产的智能巡检与容量评估,支撑预测性运维。其边缘检测与语义分割联合学习框架,为阳光电源开...