跳到正文
arXiv cs.AI· Guibin Chen, Emma Fan, Yuzhang Lin·· 4 小时前AI 评分22

Direct Head:从航拍图像分割引导直接估计屋顶光伏装机容量

Segmentation-Guided Direct Capacity Estimation of Rooftop Photovoltaics from Aerial Imagery

AI 导读

研究提出 Direct Head,一种分割引导架构,保留 U-Net 分割与软掩码池化,但直接从光伏区域特征和面积描述符回归非负容量,不再依赖掩码面积乘功率密度。在 7,590 个法国屋顶光伏装置上,相对参数匹配的面积密度神经模型,平均绝对误差降低 8.7% 和 12.5%,对称平均绝对百分比误差降低 14.0% 和 20.7%。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:配电规划人员需要安装级别的屋顶光伏(PV)容量清单,但并网记录可能不完整或在空间上被聚合。传统的基于图像的估计器先分割光伏阵列,再将掩码转换为物理面积,并乘以估计的功率密度,从而将容量预测与掩码导出的面积耦合在一起。我们提出 Direct Head,一种分割引导的架构,它保留 U-Net 分割和软掩码池化,同时从光伏区域特征和面积描述符直接回归非负容量。我们在 7,590 个法国屋顶安装上,在原始划分和基于省份的留出集下评估了三次独立运行。相对于参数匹配的面积密度神经模型,Direct Head 分别将平均绝对误差降低 8.7% 和 12.5%,将对称平均绝对百分比误差降低 14.0% 和 20.7%。与传统估计器、受控架构变体、辅助损失消融以及代表性案例的比较表明,分割提供了有用的空间证据,而无需容量由面积密度乘积决定。
主题: 计算机视觉与模式识别(cs.CV);人工智能(cs.AI)
引用为: arXiv:2611.22076 [cs.CV]
  (或 arXiv:2611.22076v1 [cs.CV] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.22076

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Guibin Chen 先生 [查看电子邮件]
[v1] 2026年11月17日星期二 01:56:30 UTC(3,773 KB)

来源:arXiv cs.AI · arxiv.org