电工电能新技术

作者：张杰宁， 欧阳森， 康澜， 郭一帆， 张晋铭

单位：华南理工大学电力学院， 广东 广州 510641

关键词：屋顶提取； Mask-RCNN； 图像分类； 屋顶异物； 注意力机制

基金：国家自然科学基金项目（52177085）

在分布式光伏呈现高渗透率接入配电网的发展趋势下，准确辨识屋顶可建设光伏的面积有现实的急迫需求。针对屋顶区域辨识不够精确、屋顶异物影响光伏电源建设而需要进一步识别处理的需求，本文提出了一种融合图像分类机制的建筑物屋顶有效区域提取方法。首先，本文考虑到异物对屋顶有效区域的影响，根据屋顶几何特征、边缘特征以及内部区域利用程度，对不同类型的建筑物屋顶进行新的分类，降低屋顶复杂性对提取精度的影响。然后，本文采用图像分类网络+改进掩码区域卷积神经网络（Mask-RCNN）网络实现建筑物屋顶的分类提取。其中，增加图像分类网络降低多类型屋顶对网络学习能力的影响，改进Mask-RCNN网络是在原始网络的基础上，引入注意力机制模块并优化特征金字塔网络（FPN），提高网络的特征学习及提取能力。最后，基于构建的独栋建筑物屋顶图像样本库，验证了本文所提方法的有效性和准确性。

来源：2025年第5期

《电工电能新技术》期刊编辑部

查看电工电能新技术杂志2025年第5期