Detekcja paneli fotowoltaicznych w QGIS: 5 metod
Opublikowano Zaktualizowano
Aby zmapować fotowoltaikę na dachach w QGIS, zacznij od tego, co ktoś już zmapował. Otwórz Wektor > QuickOSM > QuickOSM… (Vector > QuickOSM > QuickOSM…), wpisz generator:source w polu klucza i solar w polu wartości, uruchom na swoim obszarze. OpenStreetMap zawiera 6 143 024 obiekty z tym tagiem, odczyt z 3 września 2026, więc w dobrze zmapowanym mieście kończysz w dwie minuty. Tam, gdzie pokrycie jest słabe, wykrywasz instalacje samodzielnie, a metoda zależy od twoich kanałów i wielkości piksela.
, zacznij od tego, co ktoś już zmapował. Otwórz | Twoje dane wejściowe | Metoda | Koszt |
|---|---|---|
| Obszar dobrze pokryty przez OpenStreetMap | Metoda 1, QuickOSM | Za darmo |
| Dowolny raster widoczny na mapie, na dowolnym komputerze | Metoda 2, chmurowy model segmentacji | Za darmo 1,5 km² miesięcznie, potem 39 € |
| Zdjęcia wielospektralne z kanałem bliskiej podczerwieni | Metoda 3, Raster > Kalkulator rastra… | Za darmo, rdzeń QGIS |
| Cztery kanały lub więcej oraz czas na narysowanie obszarów treningowych | Metoda 4, Semi-Automatic Classification Plugin | Darmowa wtyczka |
| Ortofotomapa RGB około 20 cm oraz GPU lub cierpliwość | Metoda 5, Deepness plus jego model Solar PV | Za darmo |
Ceny, wersje wtyczek i liczby tagów odczytane 3 września 2026.
Metoda 1: Weź to, co już zmapowano
QGIS porzucił własne narzędzie do pobierania danych OSM w wersji 3.0 i skierował użytkowników do QuickOSM, więc najpierw zainstaluj to.
Zapytaj o generatory
Wektor > QuickOSM > QuickOSM…, klucz generator:source, wartość solar, uruchom na swoim zasięgu lub nazwanym obszarze. Instalacje dachowe mają power=generator i często generator:method=photovoltaic.
Elektrownie odpytaj osobno
Farmy naziemne są otagowane power=plant z plant:source=solar, to inne zapytanie. Pomiń je, a każda farma zniknie z twojej warstwy.
Kilowaty sprawdź w rejestrze
Niemiecki Marktstammdatenregister ukazuje się codziennie jako XML, ale ukrywa współrzędne każdej jednostki 30 kW lub mniejszej, więc dach ląduje na kodzie pocztowym. Francuski rejestr zatrzymuje się na strefie IRIS i zwija wszystko poniżej 36 kW w wiersze zagregowane.
Trzy otwarte zbiory służą jako dane treningowe lub punkt odniesienia. Bradbury i in., 19 863 adnotowanych poligonów PV w czterech kalifornijskich miastach przy 30 cm, CC0. BDAPPV, 28 807 francuskich instalacji z maskami, CC BY 4.0. DeepSolar policzył 1,47 mln systemów w kontynentalnych Stanach Zjednoczonych, ale opublikował liczby dla traktów spisowych, nie poligony.
Użyj, gdy: ktoś już zmapował twój obszar lub potrzebujesz mocy zamiast kształtów.
Pomiń, gdy: pokrycie jest dziurawe, o czym przekonasz się tylko patrząc.
Metoda 2: Chmurowy model segmentacji
Model segmentacji nauczył się, jak wygląda instalacja, więc odróżnia ją od ciemnego dachu tam, gdzie Metoda 3 i 4 nie mogą. Budujemy jeden z nich, AI Segmentation. Ta sekcja jest o naszym własnym narzędziu.
Narysuj obszar na dowolnym rastrze widocznym na mapie, wpisz solar panel, a każda instalacja wraca jako poligon w układzie współrzędnych projektu z powierzchnią i wynikiem pewności. Model działa na naszych serwerach w Europie, więc nie potrzebujesz karty graficznej ani środowiska Python.
Między 5 lipca a 1 września 2026, 47 osób spoza naszego zespołu uruchomiło solar panel 104 razy, a 15,6% kafli wróciło pustych. W 96 wyeksportowanych uruchomieniach model znalazł 40 088 kandydatów, a użytkownicy zachowali 14 245, czyli 35,5%, obejmujących 496 931 m² paneli.
Wpisz solar panel, nie solar farm. Drugie pyta o instalację, a model odpowiada jedną jednolitą powierzchnią albo niczym. W tych kilku uruchomieniach, które mamy, zostawił puste 21 z 24 kafli.
Najlepsze do: instalacji dachowych w całej dzielnicy, na dowolnym komputerze.
Nie nadaje się do: liczenia modułów. Gęsta instalacja wraca jako jedna powierzchnia, więc podziel ją w QGIS albo podziel przez znany ci obrys modułu. Moduł domowy to około 1,7 m na 1,1 m.
Cena: za darmo za 1,5 km² miesięcznie, bez karty. Pro to 39 € miesięcznie bez VAT. Wypróbuj Pro za darmo przez 7 dni: podaj kartę, anuluj przed końcem, a nic nie zostanie pobrane.
Działa na: naszych serwerach, w Europie.
Instalacja: menedżer wtyczek, QGIS 3.22 lub nowszy, potem zaloguj się z panelu.
Metoda 3: Progowanie w kalkulatorze rastra
Pracuj w rzutowanym układzie współrzędnych, ponieważ dwa kroki poniżej przyjmują powierzchnię w jednostkach warstwy.
Raster > Kalkulator rastra… (Raster > Raster Calculator…), id algorytmu native:rastercalc. Panele są ciemne, a w bliskiej podczerwieni znacznie ciemniejsze niż ciemny dach, więc znormalizowany indeks między czerwienią a kanałem NIR rozdziela je na większości scen. Potem gdal:sieve usuwa szum, a gdal:polygonize tworzy poligony.
Na trzech kanałach RGB to zawodzi, bo ciemny dach i panel mają te same wartości. Tekstura to zwykły ratunek. grass:r.texture liczy trzynaście miar GLCM, a instalacje mają wysoki kontrast i niską odwrotną różnicę momentów. GRASS jest w instalatorze Windows, a nie ma go w paczce macOS.
Użyj, gdy: masz kanał bliskiej podczerwieni i jedną czystą scenę.
Pomiń, gdy: zdjęcia to RGB albo progi mają trzymać się na mozaice z różnych dni.
Metoda 4: Klasyfikacja nadzorowana z SCP
Semi-Automatic Classification Plugin dodaje menu SCP i SCP Dock. Zbuduj zestaw kanałów, narysuj ROI na panelach i na każdym sobowtórze, potem klasyfikuj metodą Maximum Likelihood, Minimum Distance, Spectral Angle Mapping, Random Forest, Support Vector Machine lub Multi-layer Perceptron. Wersja 8.5.0 to ta, którą instaluje QGIS 3.x, GPL v3, pobrana 2 644 482 razy.
Jego własne FAQ wyklucza wejście, które ma większość ludzi. „You cannot use orthophotos with less than 4 bands”, ponieważ poniżej czterech algorytmy nie rozdzielają klas.
Użyj, gdy: masz cztery kanały lub więcej i chcesz powtarzalnej, udokumentowanej klasyfikacji.
Pomiń, gdy: twoim wejściem jest ortofotomapa RGB lub podkład mapowy.
Metoda 5: Lokalny model w Deepness
Rozdzielczość terenowa decyduje o wszystkim. Bradbury i in. zbudowali swój referencyjny zbiór PV przy 30 cm, ponieważ „panele słoneczne mają zazwyczaj od 1 do 2 metrów długości”, co daje kilka pikseli na każdy. To rozdziela instalację, nie moduły w środku. Clark i Pacifici uznali pojedyncze panele za „trudne do rozróżnienia nawet przy rozdzielczości 15,5 cm”. Opublikowane prace o dachowej fotowoltaice mieszczą się między 10 cm a 31 cm. Sentinel-2 przy 10 m jest do farm, nigdy do dachów.
Deepness uruchamia modele ONNX wewnątrz QGIS, za darmo i Apache 2.0, a jego zoo modeli zawiera model Solar PV Segmentation przy 20 cm/px, trenowany przez Kleebauer i in. i hostowany przez Fraunhofer. Wskaż go na swoją ortofotomapę, a dostaniesz maskę paneli, bez konta, nic nie opuszcza twojego komputera.
Szybkość to haczyk. Użytkownik zmierzył ten sam model na CPU i podał: „80+ minutes for a digital Orthophoto tile (20 cm resultion, 5000 points in each direction)”, a zgłoszenie jest nadal otwarte. Poza tym nie ma dobrze utrzymywanego otwartego modelu dachowej fotowoltaiki.
Użyj, gdy: nic nie może opuścić komputera, a twoja ortofotomapa ma około 20 cm na piksel.
Pomiń, gdy: nie masz karty NVIDIA i masz do pokrycia dzielnicę.
Pięć metod obok siebie
| QuickOSM | AI Segmentation | Kalkulator rastra | SCP | Deepness | |
|---|---|---|---|---|---|
| Potrzebne kanały | Brak | Trzy | Pomoże NIR | Cztery lub więcej | Trzy |
| Zdjęcia zostają lokalnie | Tak | Nie | Tak | Tak | Tak |
| GPU | Nie | Nie | Nie | Nie | Zalecane |
| Wynik | poligony OSM | poligon na instalację | maska rastrowa | raster klas | maska paneli |
| Koszt | Za darmo | Za darmo, potem 39 € | Za darmo | Za darmo | Za darmo |
Co zapamiętać
Odpytaj OpenStreetMap przed wszystkim innym, bo zmapowane miasto to dwie minuty roboty i żadna detekcja nie pobije mapera, który tam był.
Jeśli zdjęcia nie mogą opuścić komputera, Deepness i jego lokalny model Solar PV zatrzymują wszystko na twoim komputerze.
Na podkładzie mapowym RGB kalkulator rastra i SCP odpadają, bo żadne nie rozdziela panelu od ciemnego dachu samą wartością.
Około 30 cm rozdziela instalację i nic nie rozdziela modułów w środku, więc mapuj powierzchnie i nigdy nie licz paneli ze zdjęć.
Kilowaty pochodzą z rejestru publicznego, nigdy ze zdjęcia, a rejestr francuski i niemiecki rozmywają lokalizację małych jednostek dachowych.
Wypróbuj za darmo w QGIS, bez karty płatniczej
Częste pytania
Czy QGIS wykrywa panele słoneczne samodzielnie?
Nie. Rdzeń QGIS ma progowanie i poligonizację, które potrzebują różnicy spektralnej, więc podkład mapowy RGB nie daje nic. Detekcja pochodzi z wtyczki: Deepness lokalnie albo naszej w chmurze.
Jakiej rozdzielczości zdjęć potrzebuję?
Około 30 cm rozdziela instalację, za Bradbury i in. Pojedyncze moduły są trudne nawet przy 15,5 cm, więc planuj mapowanie instalacji i powierzchni zamiast liczenia paneli.
Jak odróżnić panel słoneczny od ciemnego dachu?
Nie da się, na trzech kanałach, samą wartością. Użyj kanału bliskiej podczerwieni, miary tekstury jak grass:r.texture albo modelu, który nauczył się, jak wygląda instalacja.
Czy znajduje też farmy naziemne?
Tak, a w OpenStreetMap to osobne zapytanie, power=plant z plant:source=solar. W modelu wpisz solar panel także dla farmy, bo wykrywa każdy panel, a nie działkę.
Czy mogę policzyć, ile paneli zainstalowano?
Nie ze zdjęć. Detekcja daje obrysy i powierzchnię. Liczba modułów i kilowaty pochodzą z rejestru, a we Francji kończy się on na strefie IRIS.
Przewodnik po obrysach budynków opisuje krok filtrowania w całości, a wpis SAM w QGIS pokazuje, które obiekty te modele znajdują dobrze. Żeby uruchomić detekcję i policzyć powierzchnię jednym poleceniem, zamiast przechodzić przez wtyczkę ręcznie, użyj AI Agent, który robi to w tym samym projekcie QGIS. Hub QGIS AI porównuje wtyczki, a strona produktu to AI Segmentation.
