周树芳，张小咏，陈正超，卢凯旋

(1. 北京信息科技大学高动态导航技术北京市重点实验室，北京 100101; 2. 中国科学院空天信息创新研究院，北京 100094)

0 引言

太阳能等清洁能源，对于发展绿色经济十分必要. 我国地域广阔，大部分地区太阳辐射照度较大，可以直接利用的太阳能资源非常丰富. 因此，准确获得光伏电站的位置、空间分布和面积信息，对优化能源结构、合理开采不可再生能源具有重要意义. 遥感通过非接触、远距离、大范围的测量，为客观公正地获取光伏电站的产能情况提供新的途径.

作为一种实现人工智能的强大技术，深度学习已经在手写数字识别、维数约简、语音识别、机器翻译、情感识别等领域取得应用和发展[1]. 特别是在图像检测方面，深度学习可有效解决目标图像场景复杂、种类繁多(包括光照、遮挡、目标形态等)诸多干扰因素，应用较为广泛. 对于复杂多变的遥感影像，深度学习技术相比传统的基于物理模型特征提取技术在精度和速度上都有较大优势. 将基于深度学习的实例分割算法应用于新疆地区的大面积光伏电站提取，可以显著提升国家能源部门对光伏电站位置、空间分布以及产能研判能力.

随着深度学习在自然图像上的广泛应用，近几年遥感学者将用于RGB三波段真彩色自然图像的实例分割算法引入遥感图像领域，并在原网络的基础上做了不同的改进. Lu等[2]设计一个基于卷积神经网络(CNN)的实例分割模型，可……