基于改进DeepLabV3+的光伏板识别研究——以云南省为例

作     者：徐真 周仿荣 高振宇 文刚 马御棠 朱鹏航 吴磊 

作者机构：云南电网有限责任公司 电力遥感技术联合实验室(南方电网公司云南电网电力科学研究院) 苏州深蓝空间遥感技术有限公司 

出 版 物：《东华大学学报(自然科学版)》 (Journal of Donghua University(Natural Science))

年 卷 期：2024年

学科分类：0810[工学-信息与通信工程] 08[工学] 0807[工学-动力工程及工程热物理] 081002[工学-信号与信息处理] 

基　　金：云南省重大科技专项(202202AD080010) 

主　　题：DeepLabV3+ 光伏板 语义分割 深度学习 

摘      要：光伏板提取是山火遥感监测虚警库建设的重要部分，对于避免山火遥感监测误报、提升山火遥感监测运行效率等方面具有重要意义。云南省地处云贵高原，地表环境较为复杂，采用遥感技术提取光伏板面临较大挑战。为克服光伏板样本不均衡等难点，将ResNet-50残差网络作为DeepLabV3+语义分割模型的骨干网络，在ASPP模块后融入注意力机制以更有效地聚合特征的多尺度上下文信息，构建云南省光伏板提取模型，并进行精度评价。结果显示，利用改进的DeepLabV3+模型进行光伏板提取的精准率达97.95%，召回率达95.84%，交并比达93.73%，在各模型中表现最佳，能实现高精度的光伏板提取，利用该模型提取云南省光伏板面积共40.149 km2。