据行业数据显示，近年来全球太阳能安装率增长了30%，安装太阳能的平均成本从每瓦7美元下降到每瓦2.8美元，这使得屋顶太阳能吸引了更多的房主。马萨诸塞州阿默斯特大学的科学家说，由于缺乏训练有素的专业人员，他们必须使用昂贵的工具来评估劳动密集型结构，这往往会减缓屋顶安装的进度。
由Prashant Shenoy和Subhransu Maji领导的UMass Amherst信息与计算机科学学院(CICS)的研究人员表示，目前要实现这一过程的自动化，需要使用LIDAR技术的昂贵的3D图表，而这在许多地区是无法实现的。现在，他们的团队正在提出一种新的数据驱动方法，该方法使用机器学习技术和广泛可用的卫星图像来确定最有可能产生高性价比太阳能的屋顶。
本周在阿拉斯加安克雷奇举行的计算机学会第25届ACM SIGKDD会议上，Shenoy、Maji和他们的同事展示了他们的新“DeepRoof”工具。
作为CICS的学生和第一作者，斯蒂芬李博士指出，“对屋顶太阳能潜力的估计可以使决定采用太阳能的房主受益”，但“目前的自动化工具仅适用于拥有LIDAR数据的城镇，从而将其覆盖范围限制在世界上的某些地方。”
新的数据驱动的DeepRoof方法利用了计算机视觉技术的最新发展，并使用卫星图像来精确确定屋顶的几何形状、附近的结构和影响屋顶太阳能潜力的树木。李补充说：“DeepRoof的估算值可以用来确定在屋顶安装太阳能电池板的理想位置。”
李说，李的团队训练了来自六个不同城市的不同屋顶形状和大小的DeepRoof，以识别和提取平屋顶部分。结果表明，DeepRoof能够以91%的准确率识别屋顶的太阳能潜力。此外，该工具可以缩放以自动分析整个城市的卫星图像，从而识别太阳能潜力最大的所有建筑屋顶。