Med hjälp av maskininlärning och satellitbilder vill amerikanska forskare identifiera de tak som har störst potential när det gäller att producera kostnadseffektiv solenergi.
Tack vare kraftigt sänkta kostnader är takmonterade solenergianläggningar attraktiva för många fler husägare. Forskare vid University of Massachusetts Amherst i USA menar emellertid att installationen av takmonterade solenergianläggningar ofta bromsas på grund av brist på utbildade yrkesmän, som måste göra arbetskraftsintensiva uppskattningar för en byggnad i taget.
För att automatisera processen krävs det enligt forskarna idag dyra 3D-kartor som är framtagna med hjälp av laserradar, så kallad LIDAR, och som på många platser inte är tillgängliga. De föreslår därför en ny, datadriven metod som använder maskininlärning och allmänt tillgängliga satellitbilder för att identifiera de tak som har störst potential att producera kostnadseffektiv solenergi.
- Att uppskatta solenergipotentialen hos ett tak kan gynna husägare som väljer att använda solenergi avsevärt. De automatiserade verktyg som finns idag fungerar bara i städer där LIDAR-data är tillgänglig, vilket begränsar deras räckvidd till bara några få platser i världen, säger Stephen Lee vid University of Massachusetts Amherst.
Den nya metoden, som går under namnet DeepRoof, drar nytta av framsteg inom teknik för datorsyn och använder satellitbilder för att avgöra hur ett taks geometri, närliggande byggnader och träd påverkar solenergipotentialen.
- DeepRoofs uppskattningar kan användas för att identifiera de bästa platserna på taket för att installera solpaneler, tillägger Stephen Lee.
Forskarna tränade DeepRoof genom att använda tak med olika former och storlekar från sex olika städer och deras resultat visar att DeepRoof kan identifiera solenergipotentialen hos tak med 91 procents noggrannhet. Dessutom kan verktyget användas för att automatiskt analysera satellitbilder av en hel stad för att identifiera alla tak med störst solenergipotential.