Hoe deep learning hielp om elk zonnepaneel in de VS in kaart te brengen

Categorie: Kunstmatige intelligentie Geplaatst 20 dec

Deep learning is gebruikt om 1,47 miljoen zonne-installaties in de Verenigde Staten te identificeren, meer dan de laatste schatting van 1,02 miljoen.

Wat is er nieuw: Zonnepanelen worden steeds populairder in de VS, maar het is moeilijk gebleken om het exacte aantal te bepalen. Onderzoekers van Stanford University hebben ons veel dichter bij elkaar gebracht, dankzij a nieuw systeem genaamd DeepSolar , die deep learning gebruikt om satellietbeelden te scannen op zonnepanelen.

Hoe het werkte: Het team trainde DeepSolar op 370.000 satellietbeelden door het te leren welke zonnepanelen bevatten. Het programma werkte vervolgens uit hoe zonnepanelen konden worden gespot en vond ze 93% van de tijd correct. Het duurde ongeveer een maand voordat het systeem de miljard afbeeldingen had gescand die nodig waren om het definitieve cijfer te bereiken.

Toepassingen: De kaarten kunnen ons helpen om de opkomst van zonne-energie in de VS beter te begrijpen. Vooruitkijkend zijn de onderzoekers van plan hun systeem te gebruiken om zonnekaarten voor andere landen te maken, en misschien in te zetten om windturbines en andere energie-infrastructuur te lokaliseren.

Dit verhaal verscheen voor het eerst in onze nieuwsbrief De Download. Meld u hier aan om uw dagelijkse dosis van het nieuwste op het gebied van opkomende technologie te krijgen.