一种自下而上的方法,将计算机视觉与材料流量分析结合起来,利用卫星图像来估计分布式太阳能电池板的回收潜力
Peijin Jiang1, Hanwen Xu2, Qingshi Tu1
1Sustainable Bioeconomy Research Group, Department of Wood Science, The University of British Columbia, Vancouver, British Columbia V6T 1Z4, Canada.
Environmental science & technology
|August 22, 2025
概括
管理已经退役的太阳能光伏电池板是一个越来越大的挑战. 一个开源模型SolarScope使用计算机视觉识别光伏装置并评估回收潜力,帮助实现循环经济目标.
科学领域:
- 环境科学
- 材料科学
- 计算机科学
背景情况:
- 快速部署太阳能光伏 (PV) 需要有效的寿命终止管理策略.
- 现有的回收潜力研究由于分布式光伏装置的数据不足而受到限制.
- 精确地绘制太阳能系统对于城市采矿和循环经济倡议至关重要.
研究的目的:
- 开发一种用于识别和量化分布式太阳能光伏装置的自动化方法.
- 通过综合建模来评估废弃光伏电池板的城市采矿潜力.
- 在可再生能源系统的背景下提供可扩展的材料流分析解决方案.
主要方法:
- 计算机视觉技术与动态材料流分析 (dMFA) 的整合.
- 使用卫星图像和视觉变压器 (ViT) 模型进行光伏面板分类和细分.
- 开发了一个开源模型,SolarScope,用于自动化光伏识别和潜在评估.
主要成果:
- 在光伏装置分类 (AUROC=0.93) 和细分 (Dice=0.90) 方面,SolarScope取得了很高的准确性.
- 通过在日本卡马库拉的一项案例研究,证明了模型的可转移性和有效性.
- 成功结合CV和dMFA以自下而上的估计区域材料库存和回收潜力.
结论:
- SolarScope模型提供了一个可扩展的解决方案,以克服分布式光伏系统中传统材料流分析的数据限制.
- 这一方法框架支持城市采矿的增强,并促进可再生能源领域循环经济的发展.
- 准确的,自动识别的光伏装置是可持续的终生管理和资源回收的关键.
