基于改进DeepLabV3+的云南省光伏板识别方法

摘要

光伏板提取是山火遥感监测虚警库建设的重要部分，对于避免山火遥感监测误报、提升山火遥感监测运行效率等具有重要意义。云南省地处云贵高原，地表环境较为复杂，采用遥感技术提取光伏板面临较大挑战。为克服光伏板样本不均衡等难点，将ResNet-50残差网络作为DeepLabV3+语义分割模型的骨干网络，在空洞空间金字塔池化（ASPP）模块后融入注意力机制以更有效地聚合特征的多尺度上下文信息。构建云南省光伏板提取模型，并进行精度评价。结果显示，利用改进的DeepLabV3+模型进行光伏板提取的精准率达97.95%,召回率达95.84%,交并比达93.73%,在各模型中表现最佳，能实现高精度的光伏板提取，利用该模型提取云南省光伏板面积共40.149 km²。

关键词

DeepLabV3+ / 光伏板 / 语义分割 / 深度学习