"Het gebruik van het U-net-model voor de detectie van zonne-energiesystemen biedt een datagestuurde en geautomatiseerde oplossing met verbeterde complexiteit, waardoor nauwkeurige detectie mogelijk is", voegde het eraan toe. "De nauwkeurige segmentatie en identificatie van zonne-energiesystemen op basis van luchtfoto's heeft substantiële praktische waarde, waardoor een efficiënte beoordeling van paneelprestaties, onderhoudsvereisten en schatting van energieproductie mogelijk wordt."
Het nieuwe model is getraind en getest op twee databases - een uit Duitsland en een andere uit Zweden - en een combinatie van de twee werd gebruikt voor een hogere op de grond gemonteerde zonne-opwekkingscapaciteit van zijn capaciteiten. In vergelijking met andere CNN-architecturen, zeiden de onderzoekers, viel het U-Net-model op, vooral bij beeldsegmentatietaken.
Ook volgens het onderzoek kan het U-net-model worden getraind op luchtfoto's met een resolutie van 128 x 128 pixels, en een nauwkeurigheid bereiken die niet significant slechter is dan bij een hogere resolutie van 256 x 256 pixels. Het vermogen om een lagere resolutie te gebruiken, resulteert op zijn beurt in een lager computerhardwaregebruik.
"Deze studie heeft bewezen dat een U-net-model het gebied van zonne-energiesystemen in luchtfoto's met hoge nauwkeurigheid kan beoordelen", concludeerde het artikel. “De helling van de modules is echter ook nodig voor een correcte oppervlakte-inschatting. Het berekenen van de kanteling kan worden gedaan op basis van 3D-gebouwgegevens of LiDAR-gegevens met hoge/lage resolutie. Dat laatste combineren met de methode van dit onderzoek is de geplande volgende stap.”