斯坦福大学的科学家们建立了一个新的AI机器学习工具，名为DeepSolar项目。该项目主要是通过机器学习和卫星图像训练AI识别和统计全美太阳能电池面板尺寸、位置、数量数据的能力。

斯坦福大学工程师和计算机科学家组成了DeepSolar团队，可精确地统计全美太阳能电池面板的尺寸规模、具体位置、数量等等。方法是在机器学习的框架下，通过数以十亿计的高清晰卫星图像，培养训练AI识别出坐落于屋顶和其它位置的可见面板。

了解太阳能电池板的位置以及人们安装它们的动机可能对能源管理工作具有无法估量的价值。它可以帮助公用事业公司更好地平衡供需，从而提供更可靠的电力。还可以帮助我们了解是什么激励了人们安装屋顶太阳能面板，这也许可以帮助城市的管理者和建设者们更好地设计规划城市。

DeepSolar算法可以训练AI识别出一个太阳能面板设施有可靠关联的特征类型，包括色彩、尺寸、太阳能电池板的纹理材质等等。AI掌握了这些特性后，能够以93%的成功率分辨出一副卫星图像中的电池面板。错过了大约十分之一不到的电池面板，这比此前任何识别系统的准确率都高。

DeepSolar团队的AI只用了一个月时间分析全美的卫星图像，得出在住宅物业，商业屋顶和大型太阳能发电厂发现的太阳能电池板总共有147万套，这个数字超过目前领先的两项统计预期结果。如果是人类统计分析需要花费数年完成，将DeepSolar 与美国人口普查和其他数据相结合，就可以得出关于太阳能采用背后的激励因素的结论。帮助能源行业增加人们对可再生能源使用意愿和激励因素产生更深的理解。

科研团队承认DeepSolar目前并未将人口稀少的偏僻地区纳入统计，相比人口集中的都市区域，这些地区的太阳能面板安装极少，他们估计这些偏僻地区的太阳能面板装机量可能仅占所有的5%，而且由于所处位置，这些太阳能面板并不会连入总电网。

DeepSolar下一步将开始具体分析偏远地区的太阳能电池面板情况，同时扩展卫星图像范围至更多国家地区。

http://web.stanford.edu/group/deepsolar/home