斯坦福大學(xué)工程師和計(jì)算機(jī)科學(xué)家組成了DeepSolar團(tuán)隊(duì)，可精確地統(tǒng)計(jì)全美太陽(yáng)能電池面板的尺寸規(guī)模、具體位置、數(shù)量等等。方法是在機(jī)器學(xué)習(xí)的框架下，通過(guò)數(shù)以十億計(jì)的高清晰衛(wèi)星圖像，培養(yǎng)訓(xùn)練AI識(shí)別出坐落于屋頂和其它位置的可見(jiàn)面板。

了解太陽(yáng)能電池板的位置以及人們安裝它們的動(dòng)機(jī)可能對(duì)能源管理工作具有無(wú)法估量的價(jià)值。它可以幫助公用事業(yè)公司更好地平衡供需，從而提供更可靠的電力。還可以幫助我們了解是什么激勵(lì)了人們安裝屋頂太陽(yáng)能面板，這也許可以幫助城市的管理者和建設(shè)者們更好地設(shè)計(jì)規(guī)劃城市。

DeepSolar算法可以訓(xùn)練AI識(shí)別出一個(gè)太陽(yáng)能面板設(shè)施有可靠關(guān)聯(lián)的特征類型，包括色彩、尺寸、太陽(yáng)能電池板的紋理材質(zhì)等等。AI掌握了這些特性后，能夠以93%的成功率分辨出一副衛(wèi)星圖像中的電池面板。錯(cuò)過(guò)了大約十分之一不到的電池面板，這比此前任何識(shí)別系統(tǒng)的準(zhǔn)確率都高。

DeepSolar團(tuán)隊(duì)的AI只用了一個(gè)月時(shí)間分析全美的衛(wèi)星圖像，得出在住宅物業(yè)，商業(yè)屋頂和大型太陽(yáng)能發(fā)電廠發(fā)現(xiàn)的太陽(yáng)能電池板總共有147萬(wàn)套，這個(gè)數(shù)字超過(guò)目前領(lǐng)先的兩項(xiàng)統(tǒng)計(jì)預(yù)期結(jié)果。如果是人類統(tǒng)計(jì)分析需要花費(fèi)數(shù)年完成，將DeepSolar 與美國(guó)人口普查和其他數(shù)據(jù)相結(jié)合，就可以得出關(guān)于太陽(yáng)能采用背后的激勵(lì)因素的結(jié)論。幫助能源行業(yè)增加人們對(duì)可再生能源使用意愿和激勵(lì)因素產(chǎn)生更深的理解。

科研團(tuán)隊(duì)承認(rèn)DeepSolar目前并未將人口稀少的偏僻地區(qū)納入統(tǒng)計(jì)，相比人口集中的都市區(qū)域，這些地區(qū)的太陽(yáng)能面板安裝極少，他們估計(jì)這些偏僻地區(qū)的太陽(yáng)能面板裝機(jī)量可能僅占所有的5%，而且由于所處位置，這些太陽(yáng)能面板并不會(huì)連入總電網(wǎng)。

DeepSolar下一步將開(kāi)始具體分析偏遠(yuǎn)地區(qū)的太陽(yáng)能電池面板情況，同時(shí)擴(kuò)展衛(wèi)星圖像范圍至更多國(guó)家地區(qū)。