Hvor dyp læring bidro til å kartlegge hvert solcellepanel i USA

Kategori: Kunstig intelligens Lagt ut 20. desember

Deep learning har blitt brukt til å identifisere 1,47 millioner solenergiinstallasjoner over hele USA, og overskrider det siste anslaget på 1,02 millioner.

Hva er nytt: Solcellepaneler blir stadig mer populære over hele USA, men det har vist seg vanskelig å finne det nøyaktige antallet. Forskere fra Stanford University har kommet oss mye nærmere, takket være en nytt system kalt DeepSolar , som bruker dyp læring for å skanne satellittbilder for solcellepaneler.

Slik fungerte det: Teamet trente DeepSolar på 370 000 satellittbilder ved å lære det hvilke som inkluderte solcellepaneler. Programmet utviklet deretter hvordan man oppdager solcellepaneler, og fant dem riktig 93 % av tiden. Det tok omtrent en måned før systemet skannede milliardbildene som trengs for å nå det endelige tallet.

Bruker: Kartene kan hjelpe oss å bedre forstå bruken av solenergi i USA. Når vi ser fremover, planlegger forskerne å bruke systemet sitt til å lage solkart for andre land, og kanskje distribuere det for å lokalisere vindturbiner og annen energiinfrastruktur.

Denne historien dukket først opp i vårt nyhetsbrev The Download. Registrer deg her for å få din daglige dose av det siste innen fremvoksende teknologi.