基于多尺度卷积神经网络的屋顶光伏建筑轮廓提取方法研究

作     者：胡家宇 白建波 肖宇航 严家乐 

作者机构：河海大学机电工程学院 河海大学新能源学院 

出 版 物：《可再生能源》 (Renewable Energy Resources)

年 卷 期：2024年

核心收录：

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] 081304[工学-建筑技术科学] 0813[工学-建筑学] 081002[工学-信号与信息处理] 

基　　金：国家重点研发计划(2022YFB4201000) 

主　　题：屋顶光伏 建筑物轮廓提取 多尺度增强卷积模块 注意力机制 

摘      要：针对我国整县分布式光伏的推进,屋顶光伏可利用潜力评估成为政策落实的前提条件。高效准确获取区域内屋顶的轮廓,是评估区域内光伏可利用潜力的最关键因素。现有屋顶光伏建筑物轮廓提取方法忽略了图像的多尺度特征,导致提取建筑物轮廓模糊及精度不高等弊端。文章提出了多尺度增强卷积耦合注意力调节的建筑物轮廓提取方法。首先,利用多扩张率的空洞卷积构造多尺度增强卷积模块,并将其融入到UNet网络中,用来采集不同感受野下的建筑特征,这样提取的结果能更全面地表达建筑物轮廓的整体和细节特征;然后,将注意力机制引入到UNet网络中参与跳跃连接,更为精确地提取建筑物轮廓;最后,利用交叉熵损失函数和Dice系数损失函数,构造复合损失函数,训练所提模型,提取建筑物轮廓。实验结果显示,与其他建筑物轮廓提取算法相比,所提算法不仅对建筑物轮廓的提取精度较高,而且对不同尺度的建筑物轮廓提取也具有较好的效果,说明所提算法能够有效提升建筑物轮廓提取精度,提高光伏可利用潜力评估效率。在分布式光伏整县推进背景下,该方法对于推动GIS及人工智能技术在光伏资源评估中的应用具有重要的参考价值。