Hur djupinlärning hjälpte till att kartlägga varje solpanel i USA

Kategori: Artificiell intelligens Postad 20 dec

Deep learning har använts för att identifiera 1,47 miljoner solenergianläggningar över hela USA, vilket överstiger den senaste uppskattningen på 1,02 miljoner.

Vad är nytt: Solpaneler blir allt mer populära i USA, men det har visat sig svårt att fastställa deras exakta antal. Forskare från Stanford University har kommit oss mycket närmare, tack vare en nytt system som heter DeepSolar , som använder djupinlärning för att skanna satellitbilder efter solpaneler.

Hur det fungerade: Teamet tränade DeepSolar på 370 000 satellitbilder genom att lära det vilka som inkluderade solpaneler. Programmet utarbetade sedan hur man upptäcker solpaneler och hittade dem korrekt 93 % av gångerna. Det tog ungefär en månad för systemet att skanna de miljarder bilder som behövdes för att nå sin slutliga siffra.

Använder: Kartorna kan hjälpa oss att bättre förstå användningen av solenergi i USA. Framöver planerar forskarna att använda sitt system för att skapa solkartor för andra länder, och kanske distribuera det för att lokalisera vindkraftverk och annan energiinfrastruktur.

Den här historien dök upp först i vårt nyhetsbrev The Download. Registrera dig här för att få din dagliga dos av det senaste inom framväxande teknik.