行业数据显示，近年来全球太阳能装置的使用率增长了30%，安装太阳能的平均成本从每瓦7美元降至每瓦2.8美元，这使得屋顶太阳能吸引了更多的房主。但马萨诸塞大学阿默斯特分校的科学家表示，由于缺乏训练有素的专业人员而必须逐一进行劳动密集型结构评估，屋顶设施的进展往往会放缓。

为了使目前的流程自动化，由Prashant Shenoy和Subhransu Maji领导的UMass Amherst信息与计算机科学学院(CICS)研究人员需要使用LIDAR技术的昂贵的三维航空地图，这种技术在很多地区都不具备。现在，他们的团队正在提出一种新的数据驱动方法，该方法使用机器学习技术和广泛可用的卫星图像来识别最有可能生产具有成本效益的太阳能的屋顶。

Shenoy，Maji及其同事本周将在阿拉斯加州安克雷奇举行的第25届计算机协会特别兴趣小组知识发现和数据挖掘(ACM SIGKDD)会议上展示他们的新“DeepRoof”工具。

作为Stephen Lee，博士。CICS的学生和主要作者指出，“ 屋顶的太阳能潜力评估可以大大有利于决定采用太阳能的房主”，但“目前的自动化工具仅适用于可获得LIDAR数据的城镇，从而将其范围限制在世界上的一些地方。“

新的数据驱动的DeepRoof方法利用了计算机视觉技术的最新进展，并使用卫星图像精确确定屋顶几何形状，附近的结构和影响屋顶太阳能潜力的树木。“DeepRoof估算可用于识别屋顶上安装太阳能电池板的理想位置，”Lee补充道。

Lee说，该团队使用来自六个不同城市的不同屋顶形状和尺寸训练DeepRoof来识别和提取平面屋顶部分。结果表明，DeepRoof能够以91%的准确度识别屋顶的太阳能潜力。此外，该工具可以缩放以自动分析整个城市的卫星图像，以识别具有最大太阳能潜力的所有建筑物屋顶。