Image based solar panel detection with neural networks // Bildbasierte Solarzellenerkennung mit neuronalen Netzen

Andreas Löw, Thomas Abmayr, Markus Hoffmann

Das Ziel des Beitrags besteht darin, zu überprüfen, ob und wie gut Objekte aus Luftbildern mithilfe von Künstlichen Neuronalen Netzen erkannt werden können. Am Beispiel der Detektion von Solaranlagen sollen die beiden Netze AlexNet und VGG-16 auf ihre Praxistauglichkeit zum Erkennen solcher Daten getestet werden. Diese werden trainiert und hinsichtlich ihrer erreichten Fehlerrate und Genauigkeit ausgewertet und miteinander verglichen. Die Ergebnisse zeigen deutlich, dass eine gute Erkennung von Objekten, wie zum Beispiel von Solaranlagen aus Luftbildern, möglich ist. Des Weiteren zeigen die Ergebnisse, dass VGG-16 grundlegend in der erreichten Fehlerrate und Genauigkeit besser abschneidet, jedoch nur unter den Aspekten von massiv erhöhter Trainings- und Erkennungszeit.
Schlüsselwörter: Objekterkennung, Deep Learning, Neuronale Netze, Solarmodul-Erkennung, maschinelles Lernen, CNN, ML

Der Volltext der aktuellen Artikel (< 1 Jahr) aus dem Artikelarchiv steht für gis-Abonnenten zur Verfügung.
Hier finden Sie mehr Informationen zum gis-Abonnement.