Vervolgstudie naar detectie van zonnepanelen op beelden uit aardobservatie

daken met zonnepanelen
© CBS

Aardobservatie door vliegtuigen en satellieten levert beeldgegevens op die enquête- en registergegevens kunnen aanvullen. Convolutionele neurale netwerken (CNN's) zijn een klasse van deep learning-algoritmen die automatisch kenmerken uit beeldgegevens kunnen leren. DeepSolaris was een Europees project waarbij het CBS deze techniek voor het eerst heeft toegepast om gegevens uit luchtfoto’s te exploiteren. Het belangrijkste doel van het project was om CNN's te trainen in het detecteren van zonnepanelen, als een eerste stap naar de meer algemene vraag hoeveel stroom wordt opgewekt door zonnepanelen in Europa. Dit artikel is een vervolgstudie waarin we onderzoeken hoe de modelprestaties verbeterd kunnen worden en meten we de gevoeligheid van het model voor ruis, steekproefomvang, klassenonbalans, klassengewichten, data augmentatie en gewichtsinitialisatie, waarmee we handvatten bieden voor een snelle start om aardobservatie als databron te benutten.

Feedback

Je browser wordt niet ondersteund. Upgrade je browser. Je hebt een inconsistente user-agent geleverd bij het oplossen van de uitdaging. Mogelijk heb je browserextensies of -instellingen ingeschakeld om de user-agent te vervalsen en moet je deze uitschakelen om door te gaan. Een deel van Turnstile is per ongeluk in de cache opgeslagen. Wis gelieve je cache. De tijd op de klok klopt niet. Zet je klok op de juiste tijd. Een ongespecificeerde fout heeft zich voorgedaan.