Wie Deep Learning dazu beigetragen hat, jedes Solarpanel in den USA zu kartieren

Kategorie: Künstliche Intelligenz Gesendet 20. Dez

Deep Learning wurde verwendet, um 1,47 Millionen Solarinstallationen in den Vereinigten Staaten zu identifizieren, was die letzte Schätzung von 1,02 Millionen übertrifft.

Was gibt's Neues: Solarmodule werden in den USA immer beliebter, aber es hat sich als schwierig erwiesen, ihre genaue Anzahl zu bestimmen. Forscher der Stanford University sind uns dank a viel näher gekommen neues System namens DeepSolar , das Deep Learning verwendet, um Satellitenbilder nach Sonnenkollektoren zu scannen.

Wie es funktionierte: Das Team trainierte DeepSolar mit 370.000 Satellitenbildern, indem es ihm beibrachte, welche Sonnenkollektoren enthielten. Das Programm ermittelte dann, wie Solarmodule zu erkennen sind, und fand sie in 93 % der Fälle richtig. Es dauerte etwa einen Monat, bis das System die Milliarden Bilder gescannt hatte, die erforderlich waren, um seine endgültige Zahl zu erreichen.

Verwendet: Die Karten könnten uns dabei helfen, den Einsatz von Solarenergie in den USA besser zu verstehen. Mit Blick auf die Zukunft planen die Forscher, ihr System zu verwenden, um Solarkarten für andere Länder zu erstellen und es möglicherweise einzusetzen, um Windkraftanlagen und andere Energieinfrastrukturen zu lokalisieren.

Diese Geschichte erschien zuerst in unserem Newsletter The Download. Melden Sie sich hier an, um Ihre tägliche Dosis der neuesten Technologien zu erhalten.