一种基于深度学习图像分割的光伏屋顶资源识别方法技术

本发明专利技术公开了一种基于深度学习图像分割的光伏屋顶资源识别方法，包括获取数据：从地图服务商获取指定区域的卫星遥感图片；标注数据：在所述卫星遥感图片标注出不同类型的屋顶类型；训练模型：针对不同的屋顶类型训练建筑物屋顶分割模型；组合模型：利用多个训练好的建筑物屋顶分割模型组合成一个组合模型；批量识别数据：利用组合模型批量识别遥感图片数据，得到各种类型的屋顶轮廓数据；输出识别结果，供用户查询。本发明专利技术使得过去手工搜索地图，现场勘察建筑屋顶，测量尺寸的工作变为系统全自动执行分割识别，将识别结果供用户查询。使过去平均每个建筑需要1‑2人1天的工作变成了在系统搜索已被识别出来有建设光伏价值的建筑只需要几分钟就能完成。

A photovoltaic roof resource recognition method based on deep learning image segmentation

【技术实现步骤摘要】
一种基于深度学习图像分割的光伏屋顶资源识别方法
本专利技术涉及图片智能处理
，特别是一种基于深度学习图像分割的光伏屋顶资源识别方法，能分割识别卫星遥感图片中建筑物屋顶类型(包括水泥屋顶，彩钢瓦屋顶以及光伏板屋顶)，且能达到较高精度。
技术介绍
目前光伏集成商要寻找有价值的屋顶安装光伏板，只能人工在地图上漫无目的的寻找，因其不知道在哪个区域有什么样的建筑，建筑屋顶是否适合安装光伏板，需要地毯式的查看。现在并没有一种自动化的工具为光伏系统集成商提供自动搜索指定区域的有价值的可供安装光伏板的建筑。使用人工查找地图的方式，查找加现场勘察，平均下来每个建筑大约需要1-2个人天，效率非常低，成本高。为了解决此问题，本专利技术使用深度学习图像分割技术，对卫星遥感图片中的建筑进行分割识别，自动对指定区域的所有建筑进行分割识别，计算评估，并将识别计算结果保存下来，供光伏集成商按屋顶类型和价值进行快速排序查找，避免过去人手从地图随机查找的低效工作方式。
技术实现思路
本专利技术上述问题，提供一种基于深度学习图像分割的光伏屋顶资源识别方法。本文档来自技高网...

【技术保护点】
1.一种基于深度学习图像分割的光伏屋顶资源识别方法，其特征在于：包括如下步骤：/n100、获取数据：从地图服务商获取指定区域的卫星遥感图片；/n101、标注数据；在所述卫星遥感图片标注出不同类型的屋顶类型；/n102、训练模型：针对不同的屋顶类型训练建筑物屋顶分割模型；/n103、组合模型：利用多个训练好的建筑物屋顶分割模型组合成一个组合模型；/n104、批量识别数据：利用组合模型批量识别遥感图片数据，得到各种类型的屋顶轮廓数据；/n105、输出识别结果，供用户查询。/n

【技术特征摘要】
1.一种基于深度学习图像分割的光伏屋顶资源识别方法，其特征在于：包括如下步骤：
100、获取数据：从地图服务商获取指定区域的卫星遥感图片；
101、标注数据；在所述卫星遥感图片标注出不同类型的屋顶类型；
102、训练模型：针对不同的屋顶类型训练建筑物屋顶分割模型；
103、组合模型：利用多个训练好的建筑物屋顶分割模型组合成一个组合模型；
104、批量识别数据：利用组合模型批量识别遥感图片数据，得到各种类型的屋顶轮廓数据；
105、输出识别结果，供用户查询。


2.根据权利要求1所述的基于深度学习图像分割的光伏屋顶资源识别方法，其特征在于：所述步骤103和步骤104之间包含识别测试步骤，用以检测所述组合模型的检测识别效果，如其检测识别效果达到要求则进入步骤104，如其检测识别效果未达到要求则返回步骤101。


3.根据权利要求1所述的基于深度学习图像分割的光伏屋顶资源识别方法，其特征在于：所述步骤104与步骤105之间包含优化识别结果步骤，对所述屋顶轮廓数据的边界和存在的空洞进行优化处理。


4.根据权利要求3所述的基于深度学习图像分割的光伏屋顶资源识别方法...

【专利技术属性】
技术研发人员：吴科春，沈翀，许健彰，魏梁，
申请(专利权)人：广东融合通信股份有限公司，
类型：发明
国别省市：广东;44