論文の概要: GloSoFarID: Global multispectral dataset for Solar Farm IDentification in satellite imagery
- arxiv url: http://arxiv.org/abs/2404.05180v1
- Date: Mon, 8 Apr 2024 04:10:50 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-09 18:41:48.778009
- Title: GloSoFarID: Global multispectral dataset for Solar Farm IDentification in satellite imagery
- Title（参考訳）: GloSoFarID:衛星画像におけるソーラーファーム識別のための地球規模のマルチスペクトルデータセット
- Authors: Zhiyuan Yang, Ryan Rad,
- Abstract要約: 本研究は、ソーラーパネルファームのマルチスペクトル衛星画像の包括的グローバルデータセットを初めて開発する。
これは、世界中のソーラーパネルファームの展開と分布を正確にマッピングし分析できる、堅牢な機械学習モデルのトレーニング基盤を形成することを目的としている。
- 参考スコア（独自算出の注目度）: 1.2021565114959365
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Solar Photovoltaic (PV) technology is increasingly recognized as a pivotal solution in the global pursuit of clean and renewable energy. This technology addresses the urgent need for sustainable energy alternatives by converting solar power into electricity without greenhouse gas emissions. It not only curtails global carbon emissions but also reduces reliance on finite, non-renewable energy sources. In this context, monitoring solar panel farms becomes essential for understanding and facilitating the worldwide shift toward clean energy. This study contributes to this effort by developing the first comprehensive global dataset of multispectral satellite imagery of solar panel farms. This dataset is intended to form the basis for training robust machine learning models, which can accurately map and analyze the expansion and distribution of solar panel farms globally. The insights gained from this endeavor will be instrumental in guiding informed decision-making for a sustainable energy future. https://github.com/yzyly1992/GloSoFarID
- Abstract（参考訳）: 太陽光発電(PV)技術は、クリーンエネルギーと再生可能エネルギーの国際的追求における重要な解決策として、ますます認識されている。
この技術は、太陽光発電を温室効果ガスの排出なしに電気に変換することで、持続可能なエネルギー代替手段の必要性に対処する。
地球規模の二酸化炭素排出量を削減できるだけでなく、有限で再生不可能なエネルギー源への依存を減らす。
この文脈では、クリーンエネルギーへの世界的なシフトを理解し、促進するために、ソーラーパネルファームのモニタリングが不可欠である。
本研究は、ソーラーパネルファームのマルチスペクトル衛星画像の包括的グローバルデータセットを開発することで、この取り組みに寄与する。
このデータセットは、世界中のソーラーパネルファームの展開と分布を正確にマッピングし分析できる堅牢な機械学習モデルをトレーニングするための基盤となることを意図している。
この取り組みから得られた洞察は、持続可能なエネルギーの未来のための情報的意思決定の指針となるだろう。
https://github.com/yzyly 1992/GloSoFarID
関連論文リスト
- SolarFormer: Multi-scale Transformer for Solar PV Profiling [7.686020113962378]
SolarFormerは、ソーラーパネルを空中画像から切り離し、その位置と大きさに関する洞察を提供するように設計されている。
本モデルでは,低レベル機能を活用し,太陽PV設置の局所化を強化するインスタンスクエリ機構を組み込んだ。
我々の実験は、我々のモデルが最先端のモデルと一致しているか、あるいは超えていることを一貫して示している。
論文 参考訳（メタデータ） (2023-10-30T22:22:01Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - Blockchain-enabled Parametric Solar Energy Insurance via Remote Sensing [1.76179873429447]
パラメトリックソーラーエネルギー保険は、太陽エネルギーの不足に対する財政補助金の機会を提供する。
我々は、最先端のゼロ知識証明(zk-SNARK)を利用して、プライバシー保護ブロックチェーンベースのソーラーエネルギー保険プラットフォームを実現する。
論文 参考訳（メタデータ） (2023-05-17T05:41:35Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳（メタデータ） (2023-02-16T18:35:00Z) - Data-driven soiling detection in PV modules [58.6906336996604]
太陽光発電モジュールの土質比を推定する問題について検討した。
私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。
実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2023-01-30T14:35:47Z) - Location-aware green energy availability forecasting for multiple time
frames in smart buildings: The case of Estonia [0.5156484100374058]
本研究の目的は、異なる機械学習モデルを用いて、天気と派生した特徴に基づいてPVシステムの出力パワーを予測することである。
目的は、データを調べて出力パワーを正確に予測する最適なモデルを得ることである。
論文 参考訳（メタデータ） (2022-10-04T14:02:43Z) - An Artificial Intelligence Dataset for Solar Energy Locations in India [6.454602468926006]
インドは2030年までに300ギガワットの太陽エネルギーを投入するという野心的な目標を掲げている。
土地利用プランナーは、PVインフラの最新の正確な地理空間情報にアクセスする必要がある。
インド全土の実用規模のソーラープロジェクトを地図化するための空間的明示的な機械学習モデルを構築した。
論文 参考訳（メタデータ） (2022-01-31T23:53:19Z) - HyperionSolarNet: Solar Panel Detection from Aerial Images [0.7157957528875099]
深層学習法を用いて,空中画像を用いたソーラーパネル位置とその表面積の自動検出を行う。
我々の研究は、ソーラーパネルの検出に効率的でスケーラブルな方法を提供し、分類に0.96の精度とセグメンテーション性能に0.82のIoUスコアを達成している。
論文 参考訳（メタデータ） (2022-01-06T15:43:13Z) - Modelling the transition to a low-carbon energy supply [91.3755431537592]
気候変動の影響を制限するため、低炭素電力供給への移行が不可欠である。
二酸化炭素排出量の削減は、世界がピーク点に達するのを防ぐのに役立ちます。
排気ガスの排出は、世界中の気象条件の極端に繋がる可能性がある。
論文 参考訳（メタデータ） (2021-09-25T12:37:05Z) - Towards a Peer-to-Peer Energy Market: an Overview [68.8204255655161]
本研究は, 電力市場を中心に, 現状と, プロシューマーによる分散型自己生成能力の増大傾向を比較した。
我々はP2P(Peer-to-Peer)エネルギー市場のための潜在的多層アーキテクチャを導入し、マイクログリッドの一部として、地域生産と地域消費の基本的な側面について議論する。
読者に全体像を示すため、スマートコントラクトやグリッド安定性といったエネルギー取引の関連要素についても精査する。
論文 参考訳（メタデータ） (2020-03-02T20:32:10Z) - Towards the Systematic Reporting of the Energy and Carbon Footprints of
Machine Learning [68.37641996188133]
我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。
エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。
炭素排出量削減とエネルギー消費削減のための戦略を提案する。
論文 参考訳（メタデータ） (2020-01-31T05:12:59Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。