[发明专利]基于遥感影像识别光伏发电站的方法、计算机设备和介质

说明书

本申请公开了一种基于遥感影像识别光伏发电站的方法、计算机设备和介质，该识别光伏发电站的方法包括获取光伏发电站待识别区域的遥感影像；将遥感影像输入U形神经网络模型，以由U形神经网络模型输出遥感影像的预测图片，预测图片标注了遥感影像中每个像素点是否是光伏发电站像素点的预测结果；根据预测图片生成光伏发电站的位置信息。本申请实现了对光伏发电站的空间分布进行精准确定的目的。

技术领域

本公开涉及人工智能领域，更具体而言，涉及一种基于遥感影像识别光伏发电站的方法、计算机设备和介质。

背景技术

光伏发电站，是指一种特殊材料电子元件(诸如晶硅板、逆变器等)组成的利用太阳能发电的体系，与电网相连并向电网输送电力。

太阳能取之不尽用之不竭，具有充分的清洁性、绝对的安全性、相对的广泛性、确实的长寿命、资源的充足性、潜在的经济性和免维护性等优点，近年来，光伏发电站在全国范围内大面积铺设，因此，光伏发电站的分布情况不仅对能源结构、电力供应、经济发展过程具有重要影响，同时还对地表大气净辐射在内的能量循环、蒸散发量在内的水循环以及植被覆盖在内的生态系统也产生一定的影响。

基于以上所述情况，目前对光伏发电站的空间分布进行精准确定，十分必要。

公开内容

有鉴于此，本公开提供了一种基于遥感影像识别光伏发电站的方法、计算机设备和介质，旨在精准确定光伏发电站的空间分布。

为了达到这个目的，根据本公开的一个方面，提供了一种基于遥感影像识别光伏发电站的方法，包括：

获取光伏发电站待识别区域的遥感影像；

将所述遥感影像输入U形神经网络模型，以由U形神经网络模型输出所述遥感影像的预测图片，所述预测图片标注了所述遥感影像中每个像素点是否是光伏发电站像素点的预测结果；

根据所述预测图片生成光伏发电站的位置信息。

可选地，所述U形神经网络模型的下采样结构中每个下采样单元包括下采样层和第一残差块，所述下采样层的输出作为所述第一残差块的输入；

所述U形神经网络模型的上采样结构中每个上采样单元包括上采样层和第二残差块，所述上采样层的输出作为所述第二残差块的输入。

可选地，所述第一残差块和所述第二残差块各自包括：

输入层，用于接收输入数据；

第一BN层，连接所述输入层；

第一卷积层，为3×3的卷积层，连接所述第一BN层；

第二BN层，连接所述第一卷积层；

第一激励函数层，连接所述第二BN层；

第二卷积层，为3×3的卷积层，连接所述第一激励函数层；

第三卷积层，为1×1的卷积层，连接所述输入层；

输出层，连接所述第二卷积层和所述第三卷积层，用于将所述第二卷积层和所述第三卷积层的输出相加结果进行输出。

可选地，所述U形神经网络模型通过以下步骤预先训练得到：

将训练样本集中各影像块样本输入当前U形神经网络模型，以由所述当前U形神经网络模型给出对应影像块样本是否为光伏发电站的第一判定结果；

根据所述训练样本集中各影像块样本的所述第一判定结果和认定标签，确定所述当前U形神经网络模型的准确率；

若所述准确率不收敛则调整所述当前U形神经网络模型中的权重；