日前，一组来自麻省理工学院（简称MIT）的科学家们研发出一种最新软件，可以通过对现有卫星图像的分析来确定独立的建筑物，从而加快相应的决定进程，例如在发展中国家的哪些农村地区分配援助。目前，研究人员正在印度的一个项目中对该系统进行测试。

为援助方案的部署而物色合适的土地通常是一项艰巨而耗时的任务，例如太阳能电力系统。由于对结构的位置及大小的映射能力较差，此类项目通常需要派工作人员进行长时间的实地研究，挑选出适合项目的位置。

为了能够有效地解决这一问题，来自麻省理工学院的研究生们开发出一种新系统，利用软件来实现自动化选择。为了测试该系统，研发团队将目光集中在了两个项目上，第一个主要是在撒哈拉以南非洲地区选择最穷的村庄，提供给居民不受限制的现金补贴用于购买牲畜、设备或任何所需要的东西。为了选出最需要支持的村庄，慈善机构采用新系统来统计带有茅草屋顶与金属屋顶房屋的比例。

第二个项目是选择印度地区适合安装太阳能供电的微电网的农村。一旦村庄入围，就需要确定电池板、电池存储系统和配电网络的最佳位置。

通常情况下，这两个项目在确定适当地点之前都需要进行相应的实地调查。然而，随着新软件的出现，系统会自动选择潜在的位置点，有效地节约了规划时间。

为了使软件能够识别出建筑位置，工作人员第一步要做的就是研究卫星图像，手动挑选出建筑物，并将其用作样本。这样一来，软件将会为自主筛选建立一个一般性标准。

为软件中添加更大数量的样本可以使它准确地识别出个体建筑物，此举也克服了许多困难，例如房屋与周围地面的颜色极为相似，或者是结构相连，无法分辨出一栋还是两栋。

对于非洲的项目，研发团队采用了相同的方法去检测茅草和金属屋顶，后者的反光性更强。在印度项目中，一旦确定了房屋的位置，软件会为微电网的定位提供大量不同的配置，供研发团队挑选出覆盖区域与所需设备的最佳组合。

不久的将来，印度地区将会选出四个村庄，其中两个是通过新软件推荐的，另外两个则采用了现有方法。接下来，工作人员会对这两种方法的成本和性能进行监控，从而确定新系统的优势所在。

研发人员表示，新软件的潜在应用范围非常广泛，远超越了其最初的用途。例如，随着时间的推移，它可以通过追踪房屋的位置来映射出印度的人口流动。