风力发电设施遥感智能提取技术

最新推荐文章于 2023-03-01 12:46:29 发布

wargzn_

最新推荐文章于 2023-03-01 12:46:29 发布

阅读量1.5k

点赞数 2

文章标签：大数据人工智能

本文链接：https://blog.csdn.net/wargzn_/article/details/124163335

版权

文章介绍了一种结合深度学习的风力发电设施遥感提取方法，通过Faster RCNN和ResNet网络，实现了97.5%的提取准确率。该技术针对遥感影像中小目标风机的特征提取，有效解决了传统方法在大区域提取中的难题，已成功应用于全国范围的风力发电设施提取。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

文章来源：国土卫星遥感应用中心微信公众号

风能作为一种清洁能源，是我国实现碳达峰、碳中和目标的重要支撑。随着风力发电行业的快速发展，基于遥感图像快速获取风力发电设施（风机）的数量、掌握空间分布对电力行业和有关监管部门具有重要意义。传统遥感目标识别的算法由于对风机影像特征表达不足，无法满足大区域风机提取的要求。实验室研究人员提出了一种联合深度学习目标检测与目标分类的风机提取方法，在Faster RCNN对风机目标识别的基础上，利用RestNet网络实现二次分类，风机目标提取准确度达97.5％。基于此模型完成了全国范围风力发电设施提取。

1. 遥感风力发电设施训练样本采集

在遥感影像上风机目标属于小目标，特征信息的缺少是导致风机自动提取精度低的主要原因，加入阴影特征可有效克服这一缺点（图1C）。遥感影像和风机目标矢量并不能直接用于模型训练，需要转换切片为训练样本标签，由于切片会破坏目标的完整性，因而在样本生成过程中还需要结合地理空间分析对样本范围内的目标进行完整性判断，过滤在样本中的无效目标，最终形成有效训练样本集。