为此，中国科学院青岛生物能源与过程研究所泛能源大数据与战略研究中心提出了识别卫星遥感图像的集成多注意力机制网络MANet。
近期，相关研究成果以“Development assessment of regional rooftop photovoltaics based on remote sensing and deep learning”为题，发表在《应用能源》（Applied Energy）上。
据了解，MANet是基于编码器-解码器结构的语义分割网络，融合了空间自注意力模块（SSAM）和通道注意力模块（CARM）。其中，SSAM用于提取全局上下文信息，帮助模型更全面地理解目标对象及其周围环境；而CARM侧重自适应地学习通道权重进行特征校准，突出重要信息并抑制冗余信息，提高分割精度。相较同类模型，MANet对屋顶和光伏分割的精度指标分别提升了1.93%和0.9%，展现出优异的预测能力。
该团队利用MANet，设计了双分支架构，实现了对光伏和屋顶的同步识别，通过差分可精准得到未部署光伏的屋顶面积。这一技术在屋顶光伏装机容量潜力评估中得到了检验，为该地区新能源规划提供了参考，展现了人工智能在新能源监测和预测方面的应用价值。
特别声明：本站转载其他网站内容，出于传递更多信息而非盈利之目的，同时并不代表赞成其观点或证实其描述，内容仅供参考。版权归原作者所有，若有侵权，请联系我们删除。
