文章目录

简介

该数据集是一个面向光伏板遥感分割任务的多分辨率数据集，联合了卫星、高空航空影像以及无人机正射影像三类来源，用于支持在不同空间分辨率下对光伏板的精细识别与分割研究。

在数据组织上，作者按照影像分辨率和数据源，将样本划分为三个子集：

  • PV08：来自高分二号和北京二号等卫星影像，空间分辨率约 0.8 m，既包含屋顶光伏，也包含地面光伏电站场景，适合研究中高分辨率卫星条件下的光伏板识别与大范围监测。
  • PV03：来自航空摄影影像，空间分辨率约 0.3 m，主要针对地面光伏场站。该子集根据背景土地利用类型进一步细分为五类场景，例如灌木丛、草地、农田、盐碱地以及水体等，用来考察不同下垫面条件下光伏板分割算法的鲁棒性。
  • PV01：来自无人机正射影像，分辨率约 0.1 m，重点聚焦屋顶光伏。为了更精细地分析模型在不同屋面材质上的表现，PV01 中的屋顶样本又按屋面类型划分为三类：平顶混凝土屋面（FlatConcrete）、钢板瓦屋面（SteelTile）和砖瓦屋面（Brick）。

整体来看，这个多分辨率光伏数据集覆盖了从卫星到航片再到无人机的典型成像高度和分辨率，同时区分了屋顶/地面光伏以及多种背景地物类型，非常适合用于光伏板语义分割、检测、域自适应、多分辨率对比实验等一系列遥感智能解译任务。

一、无人机

约1200条数据

砖瓦屋顶

在这里插入图片描述

平顶混凝土屋面

在这里插入图片描述

金属/钢板瓦屋顶

在这里插入图片描述

二、遥感卫星

约1500张数据
（标签数据是0 1标注，因此缩略图中看不出来明显标签，正常读取文件即可）
在这里插入图片描述

航空影像

约4000张数据
在这里插入图片描述

总结

该数据集包含无人机，航空影像，卫星影像等多个不同数据源的太阳能电板分割数据，可以用于训练分类以及分割模型，经过标签调整之后也可以进行YOLO系列目标检测模型，如需获取数据或者是训练指导欢迎私信或邮件联系！

# 无人机 # 深度学习 # 算法 # python # 人工智能
Logo
天工造物局

北京人形旗下天工造物具身智能开源社区，聚焦具身天工与慧思开物两大平台

更多推荐

deck.gl TripsLayer 出租车轨迹动画示例实战：从示例运行到着色器原理

TripsLayer 是 deck.gl 中用于渲染**随时间流动的轨迹动画**（如出租车行程、物流路径、迁徙路线）的核心图层。本文以仓库中的最小独立示例 [examples/website/trips](https://link.gitcode.com/i/1442af8f442f4cff39ff546e050fceb5) 为骨架，带你完成从安装依赖、启动应用、理解曼哈顿出租车数据格式，到深入

avatar 天工造物局

Foundry Anvil 中 eth_simulateV1 的 Blob 交易与 Blob Gas 字段规范化：原理、实现与测试验证

本篇技术指南以 [anvil-simulate-blob-transactions.md](https://link.gitcode.com/i/3d2ebe227262de169335eb290af80da8) 这条 changelog 条目为起点，深入剖析 Foundry Anvil 对 `eth_simulateV1` RPC 返回结果中 blob（EIP-4844）交易与 blob gas

avatar 天工造物局

LMCache CLI 实战：用 `lmcache kvcache clear` 管理运行中服务的 KV Cache 状态

本文是一份针对 LMCache 官方 CLI 命令 `lmcache kvcache` 的完整技术指南。该命令用于在**运行中的 LMCache 服务（MP HTTP server）**上管理 KV cache 状态，当前提供 `clear` 子命令，用于清空 L1（CPU 内存）层中缓存的全部 KV 数据。读完本文，你将掌握该命令的完整参数体系、退出码语义、终端/JSON/静默三种输出模式，并能

avatar 天工造物局