Branschsiffror visar att den globala takten för solenergiinstallationer ökade med 30 procent under ett senaste år, och den genomsnittliga kostnaden för att installera solenergi har sjunkit från $7 per watt till $2,8 per watt, gör solel på taket attraktiv för många fler husägare. Men framstegen för takinstallationer bromsas ofta av en brist på utbildade yrkesmän som måste använda dyra verktyg för att utföra arbetsintensiva strukturbedömningar en efter en, säger forskare vid University of Massachusetts Amherst.

För att automatisera processen för närvarande, säger UMass Amherst College of Information and Computer Sciences (CICS) forskare ledda av Prashant Shenoy och Subhransu Maji, kräver dyra tredimensionella flygkartor med hjälp av LIDAR-teknik som inte är tillgänglig för många områden. Nu föreslår deras team en ny, datadrivet tillvägagångssätt som använder maskininlärningsteknik och allmänt tillgängliga satellitbilder för att identifiera tak som har störst potential att producera kostnadseffektiv solenergi.

Shenoy, Maji och kollegor presenterar sitt nya "DeepRoof"-verktyg denna vecka på 25th Association for Computing Machinery's Special Interest Group on Knowledge Discovery and Data Mining (ACM SIGKDD) konferens i Anchorage, Alaska.

Som Stephen Lee, en Ph.D. student vid CICS och huvudförfattare, pekar ut, "Solenergipotentialuppskattning av ett tak kan avsevärt gynna husägare som bestämmer sig för att använda solenergi, " men "nuvarande automatiserade verktyg fungerar bara för städer och städer där LIDAR-data är tillgänglig, och därmed begränsa deras räckvidd till bara några få platser i världen."

Den nya datadrivna DeepRoof-metoden drar fördel av de senaste framstegen inom datorseendetekniker och använder satellitbilder för att exakt bestämma takgeometri, närliggande strukturer och träd som påverkar takets solpotential. "DeepRoof-uppskattningar kan användas för att identifiera idealiska platser på taket för installation av solpaneler, ", tillägger Lee.

Teamet tränade DeepRoof med olika takformer och storlekar från sex olika städer för att känna igen och extrahera plana taksegment, säger Lee. Resultaten visar att DeepRoof kan identifiera solpotentialen hos tak med 91 procents noggrannhet. Ytterligare, verktyget kan skalas för att automatiskt analysera satellitbilder av en hel stad för att identifiera alla byggnadstak med störst solpotential.