来源：期刊VIP网 时间：
作者：徐真;周仿荣;高振宇;文刚;马御棠;朱鹏航;吴磊;
单位：云南电网有限责任公司;电力遥感技术联合实验室(南方电网公司云南电网电力科学研究院);苏州深蓝空间遥感技术有限公司;
摘要：光伏板提取是山火遥感监测虚警库建设的重要部分，对于避免山火遥感监测误报、提升山火遥感监测运行效率等具有重要意义。云南省地处云贵高原，地表环境较为复杂，采用遥感技术提取光伏板面临较大挑战。为克服光伏板样本不均衡等难点，将ResNet-50残差网络作为DeepLabV3+语义分割模型的骨干网络，在空洞空间金字塔池化(ASPP)模块后融入注意力机制以更有效地聚合特征的多尺度上下文信息。构建云南省光伏板提取模型，并进行精度评价。结果显示，利用改进的DeepLabV3+模型进行光伏板提取的精准率达97.95%,召回率达95.84%,交并比达93.73%,在各模型中表现最佳，能实现高精度的光伏板提取，利用该模型提取云南省光伏板面积共40.149 km~2。
关键词：DeepLabV3+;;光伏板;;语义分割;;深度学习
基金资助：云南省重大科技专项(202202AD080010)
