屋顶光伏组件不再逐块标注：MV-PVMapper 在三个电站找回 7711 块中的 7710 块
核心概要
在约 1 厘米天底地面采样距离的五方向无人机倾斜摄影数据上，MV-PVMapper 把冻结的视觉基础模型 SAM 3 与摄影测量几何结合起来，无需任务专用标注或权重更新即可输出带地理坐标的单块组件多边形。三个在运屋顶光伏电站共 7711 块参考组件，两轮反馈后匹配 7710 块，IoU 0.5 下无误检；宏平均 AJI 为 97.55%，正交影像分割基线为 60.73%，多视图像素投票基线为 41.24%。
深度剖析
组件地图现在可以按单块组件给出边界和地理位置，而不只是圈出光伏阵列覆盖的区域。 此前的路线要么依赖颜色、线条、形状或阵列布局等规则假设，要么需要标注过的无人机图像训练检测与分割网络。 在三个在运屋顶电站的五方向测绘中，两轮反馈后匹配 7711 块参考组件中的 7710 块，IoU 0.5 下无误检，宏平均面积精确率与召回率为 99.00% 和 98.52%。
方法先用文字提示让 SAM 3 在原图上找出组件候选，再把候选轮廓送入统一的三维物方坐标系做几何核验。 逐模块坡度校正用随机采样一致性在可见表面点上拟合局部平面，再让轮廓顶点的视线与该平面相交，避免直接与数字表面模型求交带来的边缘弯折。 在三个电站上，坡度校正投影的 AJI 为 97.55%、IoU 0.95 下的平均精度为 95.67%，仿射投影为 97.24% 和 93.46%，共线投影为 89.94% 和 46.56%。
被接受的组件实例会作为框提示返回所有覆盖该位置的影像，补充文字提示缺少的空间线索，并进入下一轮分割、核验与融合。 只把融合结果送回来源影像，或让每张影像用自己的预测重新提示，都达不到覆盖视图路由的边界精度。 覆盖视图路由的 IoU 0.95 平均精度为 95.67%，来源视图路由为 86.77%，图像空间自提示为 79.88%；在组件遗漏最集中的第 3 站，覆盖视图路由只漏 1 块，另两种路由分别漏 117 块和 258 块。
启示与展望
演示范围是三个在运屋顶光伏电站的五方向无人机倾斜测绘，天底地面采样距离约 0.93 至 1.11 厘米每像素，输入包括原始影像、重建的相机位姿、数字表面模型和一个代表性组件尺寸。方法面向离线地图生成，每一轮反馈都要重新处理所有滑动窗口，因此当前实现不适合实时巡检。
评估站点未覆盖安装高度不规则、且同时存在多种差异明显组件规格的屋顶，此时单一代表性尺寸可能拒绝有效组件或接纳较大组件的碎片。更低影像分辨率、严重遮挡和更大安装倾角仍需进一步评估；分割主干固定为 SAM 3，未比较多款模型。