WO2014146222A1 - 基于红外图像的建筑热工指标的自动检测方法 - Google Patents
基于红外图像的建筑热工指标的自动检测方法 Download PDFInfo
- Publication number
- WO2014146222A1 WO2014146222A1 PCT/CN2013/000983 CN2013000983W WO2014146222A1 WO 2014146222 A1 WO2014146222 A1 WO 2014146222A1 CN 2013000983 W CN2013000983 W CN 2013000983W WO 2014146222 A1 WO2014146222 A1 WO 2014146222A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- area
- temperature
- image
- infrared
- infrared image
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 71
- 230000007547 defect Effects 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims description 26
- 238000009826 distribution Methods 0.000 claims description 17
- GNFTZDOKVXKIBK-UHFFFAOYSA-N 3-(2-methoxyethoxy)benzohydrazide Chemical compound COCCOC1=CC=CC(C(=O)NN)=C1 GNFTZDOKVXKIBK-UHFFFAOYSA-N 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 239000003086 colorant Substances 0.000 claims description 4
- 238000009418 renovation Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 abstract 1
- 238000001931 thermography Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 6
- 238000004134 energy conservation Methods 0.000 description 3
- 238000012423 maintenance Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000009429 electrical wiring Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000009413 insulation Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/40—Scaling of whole images or parts thereof, e.g. expanding or contracting
- G06T3/4038—Image mosaicing, e.g. composing plane images from plane sub-images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/001—Texturing; Colouring; Generation of texture or colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/60—Control of cameras or camera modules
- H04N23/698—Control of cameras or camera modules for achieving an enlarged field of view, e.g. panoramic image capture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10048—Infrared image
Definitions
- the invention relates to an automatic detection method for building thermal indexes based on infrared images, and more particularly to an infrared image-based building thermal index capable of automatically calculating a thermal defect ratio and finding a detection point. Automatic detection method.
- Any object above the absolute zero will emit infrared light whose energy is proportional to the fourth power of the object's temperature.
- Infrared cameras convert infrared radiation energy that is invisible to the human eye into electrical signals, and display visible images of different temperature distributions in different colors. These visual data signals can help people find temperature anomalies to identify potential hazards before they occur and identify potential problems with the equipment or system.
- infrared thermal imaging technology has large-area, non-contact long-distance detection, does not affect the object to be measured, is safe to use, has fast detection, and intuitively visualizes the results, so that the technology is in the construction.
- the field has developed rapidly. Using an infrared camera, it is possible to detect air leaks, moisture buildup, pipe blockage, structural features behind the walls, and overheated electrical wiring, and visually document and archive the data.
- Building energy-saving testing detecting thermal defects, thermal bridge defects, external wall insulation and energy conservation, etc., ensuring building performance and quality, avoiding major losses or hazards, and Building energy efficiency plays an assessment role.
- Building quality inspection It is used for building leakage, electrical system, HVAC system, pipeline system, etc., such as: water seepage, external wall hollow drum, poor pipeline sealing, electrical faults, etc. Due to the urgent need for environmental protection and energy conservation, developed countries, especially Canada, the United States, Japan and other developed countries have obtained rich experience and achievements in the application of infrared thermal imaging in energy conservation.
- infrared detection is one of the most effective ways to reduce energy and maintenance costs.
- infrared thermal imaging technology With the development of science and technology, with our further understanding of infrared thermal imaging technology and the transformation of scientific research ideas and concepts, infrared thermal imaging technology will become more mature, and its research and application in the field of architecture will have broader prospects.
- the present invention provides an automatic detection method for building thermal index based on infrared image which can automatically calculate the thermal defect ratio and find out the detection point.
- the invention relates to an automatic detection method for building thermal index based on infrared image, which is characterized in that it comprises the following steps: a). Collecting an infrared image outdoors, while maintaining a temperature difference between indoors and outdoors of at least 10 ° C, The infrared imager is used to collect the outdoor infrared image of the building, and the adjacent two images have at least 1/3 overlapping area to ensure the automatic splicing of the image; b). The automatic splicing of the infrared image is automatically stitched by the image.
- step e) Collecting the infrared image of the defect area, and use the infrared camera for infrared image information for the inner wall area corresponding to the defect area marked in step e) Collecting; and collecting
- the infrared images are spliced together to form an infrared image of the defect area of the inner wall surface; h) positioning the thermal defect area, and the infrared image of the defect area obtained in step g) is divided into multiple according to the temperature characterized by the infrared image
- the temperature zone; the wall area corresponding to one or more temperature zones with high temperature is the thermal defect zone. After the thermal zone is determined, suggestions for energy-saving retrofit can be made; i).
- Indoor infrared image acquisition, splicing When the indoor and outdoor temperature difference is at least io °c or more, the inner surface of the wall to be detected by the infrared thermal imager is sequentially photographed to obtain an indoor infrared image of the detecting body; the image is automatically spliced, and the indoor infrared is used. Image stitching together; j). Determine the detection subject, remove the irrelevant background and interference in the indoor infrared image in step i) to obtain the indoor infrared image of the detection subject; k). Divide the temperature band, set the indoor infrared image The corresponding minimum and maximum temperatures are ⁇ , respectively.
- t max according to the temperature range of the infrared image, divide the "temperature band; the temperature range of each temperature band is [t min , , [t,, t 2 ), ..., [tgrass, t m , t min t ⁇ t "t n ⁇ t and set different display colors for each temperature band; m).
- Generate an isothermal map generate and detect the indoor infrared of the subject according to the temperature band and temperature band set in step k) The isotherm corresponding to the image; n). Establish a histogram distribution. For the isotherm obtained in step m), the number of pixels in each temperature band, the proportion or the area occupied is the ordinate, and the temperature band corresponds.
- the temperature is the abscissa, and the histogram distribution is established. 0).
- the selected temperature range is selected. According to the distribution of the histogram, the selected number of pixels, the proportion, or the area of the first w corresponding to the larger area are corresponding.
- the wall area as the indoor detection point of the layout detection device; m ⁇ n p).
- Layout detection device, the thermometer and the thermal flow meter are placed on the indoor detection point determined in step 0) to measure the thermal resistance value of the detection point.
- the method for automatically detecting the thermal index of the building thermal index based on the infrared image of the present invention is achieved by the following steps: 1) Finding the matching feature area, calculating two to be Whether there are three pairs of matching feature regions in the spliced infrared image. If there are three pairs of matching feature regions, perform step 2). If there are no three pairs of matching feature regions, perform step 3); 2).
- Infrared image stitching There are two local infrared images of three pairs of matching feature regions, which are stitched together according to the matching of the corresponding feature regions, and step 4) is performed; 3) manually selecting matching feature regions, manually on the two local infrared images to be stitched Select three pairs of matching feature areas, Splicing two local infrared images according to the manually selected matching feature area;
- the method for automatically detecting the thermal index of the building based on the infrared image of the present invention comprises the following steps: 1-1) selecting a scanning window, and setting the previous image to be spliced For the initial image, the latter image is called a matching image; a 4*4 pixel template is selected as the scanning window to match the first 4*4 pixel area at the upper left of the image as the scanning start window, to the upper right of the initial image.
- the first 4*4 pixel area is the scan start window, and the scan start window in the matching image is fixed; 1-2).
- the position of the scanning window in the initial image is changed by the pixel from top to bottom to calculate the difference of the corresponding pixel in the 4*4 pixel scanning window in the two infrared images; 1-3).
- the two 4*4 pixel scanning windows to be judged, if the average value of the gray value difference values of all the pixel points of the two scanning windows is within 5 gray values, the two 4*4 pixel regions are considered as matching feature regions. Otherwise, it is judged to be a non-matching feature area; 1-4).
- Whether there is a matching feature area after scanning the initial image, it is judged whether there is a matching feature area corresponding to the specified window position in the matching picture, if it exists, End the search of the matching feature area; otherwise, perform steps 1-5); 1-5). Change the scanning window position, and change the scanning window in the matching image from left to right and then top to bottom in the matching image. Position, then perform steps 1-2), 1-3) and 1-4); until three pairs of matching feature areas are found; if all matching windows in the initial image and matching image are compared, there are no three pairs Or three or more matching feature regions indicate that the matching feature regions in the two images cannot be automatically calculated.
- the automatic detection method of the infrared image-based building thermal index is achieved by the following steps: d-1) Establishing a histogram of the outdoor infrared image Distribution, the temperature of the detection subject characterized by the outdoor infrared image is the horizontal axis, the frequency of each temperature or the number of pixels is the vertical axis, and the histogram distribution is established; d- 2). The peak temperature is obtained; and T is set as the histogram Peak temperature, defined as the frequency or number of pixels in the histogram The maximum temperature value; d-3). Find the temperature threshold of each thermal zone, define 7;,, 7; and 7;,. Temperature thresholds for windows, defects, and qualified wall thermal areas in outdoor infrared images;
- the histogram peak temperature is 7; close to the qualified wall temperature, T w , 7;
- the temperature threshold is defined as follows:
- the histogram peak temperature 7 is close to the window temperature, 7 and 7.
- ⁇ , ⁇ 2 are selected according to empirical values, ⁇ 2 ⁇ ⁇ 1 ;
- step D-4 Classify the detection subject, and divide the subject to be detected according to the threshold range in step d-3), and mark the position of the window, the defect and the qualified wall thermal area in the infrared image.
- the method for automatically detecting the thermal index of the building based on the infrared image of the present invention the value of ⁇ , ⁇ 2 in the step d-3) satisfies: 1 ⁇ , ⁇ 2 ;
- the invention has the beneficial effects that: the infrared image-based automatic detection method of the building thermal index of the invention firstly collects and splicing to form an outdoor infrared image of the detecting body, and automatically recognizes the window, the defect and the qualified wall area, and can calculate The thermal defect ratio is realized, and the automatic detection of the thermal defects of the external wall surface of the building is realized. Then, in the case of thermal defects on the exterior wall of the building, the infrared image of the inner wall surface corresponding to the defect area is analyzed, which can accurately locate the thermal defect area, which is conducive to suggesting energy-saving transformation.
- the position of the detecting device should be effectively determined, which is beneficial to realize the thermal resistance of the inner wall surface. Detection of values.
- the two images to be spliced are scanned successively with the 4*4 pixel area as the scanning window, and the matching feature areas of the two images can be conveniently and accurately found. Conducive to the splicing of infrared images; in the event that two images can not be stitched by automatic search, the stitching can also be done manually.
- the windows, defects and qualified wall heat under different conditions are given.
- the temperature threshold range of the work area can effectively calibrate and determine the area of the window, defect and qualified wall thermal area of the test subject.
- the detection method of the invention except for the image acquisition, the whole process is basically completely completed automatically, realizing the rapid, accurate and reasonable detection of the building thermal performance index, and is suitable for popularization and application.
- FIG. 1 is a flow chart of an automatic detection method for a building thermal index of the present invention
- FIG. 2 is a flow chart of searching for a matching feature area of an image to be stitched in the present invention.
- FIG. 1 a flow chart of an automatic detection method for a building thermal index of the present invention is provided, which includes the following steps:
- the acquisition should be sequentially taken in the order of "Z" shape, so that two adjacent images collected before and after can be spliced together;
- step 2 Find the matching feature area, and calculate whether there are three pairs of matching feature regions in the two infrared images to be spliced. If there are three pairs of matching feature regions, perform step 2), if there are no three pairs With the feature area, perform step 3);
- Infrared image stitching there will be two local infrared images of three pairs of matching feature areas, stitched together according to the matching of the corresponding feature areas, and perform step 4);
- step 4 manually select the matching feature area, manually select three pairs of matching feature areas on the two local infrared images to be spliced, and stitch the two partial infrared images together according to the manually selected matching feature area; perform step 4);
- Step 1) is achieved by the following steps:
- a 4*4 pixel area is a scan start window, and a first 4*4 pixel area at the upper right of the initial image is used as a scan start window, and a scan start window in the matching image is fixed;
- Matching feature area determination for the two 4*4 pixel scanning windows to be determined, if the average value of the gray value difference values of all the pixel points of the two scanning windows is within 5 gray values, the two 4 are considered *4 pixel area is the matching feature area; otherwise, it is judged to be a non-matching feature area;
- step c) determining the detection subject, removing the unrelated background and interference in the outdoor infrared image in step b) to obtain an outdoor infrared image of the building detection subject;
- step d) Automatically identify windows, defects and qualified wall areas, and automatically identify windows, defects and qualified for the outdoor infrared image obtained in step c) according to the principle that the temperature of the defect area is higher than the temperature of the window and the qualified wall area.
- the histogram peak temperature 7> is close to the qualified wall temperature, T w , , 7 and 7;
- the temperature threshold is defined as follows:
- the temperature threshold is defined as follows:
- step D-4 Classify the detection subject, and divide the subject to be detected according to the threshold range in step d-3), and mark the position of the window, the defect and the qualified wall thermal area in the infrared image.
- the value of ⁇ , ⁇ 2 in step d-3) satisfies: 1 ⁇ 2 2 ⁇ ⁇ 2 ⁇ 4 0 e) .
- step e collecting the infrared image of the defect area, using the infrared camera to perform infrared image information collection for the inner wall surface area corresponding to the defect area marked in step e); and splicing the collected infrared images together to form the inner image Infrared image of the defect area of the wall;
- step g) positioning the thermal defect area, the infrared image of the defect area obtained in step g) is divided into a plurality of temperature bands according to the temperature characterized by the infrared image; the wall corresponding to one or more temperature bands having a high temperature
- the body area is the thermal defect area, and after the thermal area is determined, suggestions for energy-saving renovation can be made;
- indoor infrared image acquisition and splicing in the case of maintaining the indoor and outdoor temperature difference of at least 10 ° C or more, the inner surface of the wall to be detected by the infrared thermal imager is sequentially photographed to obtain an indoor infrared image of the detection subject;
- the infrared images in the room are stitched together;
- step i) determining the detection subject, removing the irrelevant background and the interference in the indoor infrared image in step i) to obtain an indoor infrared image of the detection subject;
- the temperature band set the minimum and maximum temperature corresponding to the indoor infrared image respectively / t max , according to the temperature range of the infrared image, divides the “temperature band; the temperature range of the temperature band is [tt, )> [t, t 2 n , t m , t min ⁇ t] ⁇ t 2 -t n ⁇ t mm and set different display colors for each temperature band;
- the number of temperature zones can be 5 8 and the selected temperature zone m can be 35.
- thermometer Layout detection device, the thermometer and the heat flow meter are placed on the indoor detection point determined in step 0) to measure the thermal resistance value of the detection point.
- a plurality of detection points should be set in the wall area corresponding to each selected temperature zone
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radiation Pyrometers (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
基于红外图像的建筑热工指标的自动检测方法,包括:a).室外图像的采集;b).图像自动拼接;c).确定检测主体;d).自动识别窗户、缺陷和合格墙体区域;e).标记区域;f).计算热工缺陷比;g).采集缺陷区域图像;h).定位缺陷区域;i).室内图像的采集、拼接;j).确定检测主体;k).划分温度带;m).生成等温图;n).建立直方图;o).选定检测温度范围;p).布设检测设备。该自动检测方法可计算出热工缺陷比,可对热工缺陷区域进行精准的定位,可有效地确定出检测设备理应放置的位置,实现了建筑物外墙面热工缺陷的自动检测,实现了建筑热工性能指标的快速、准确、合理检测,适用于推广应用。
Description
技术领域
本发明涉及一种基于红外图像的建筑热工指标的自动检测方法, 更具 体的说, 尤其涉及一种可自动计算出热工缺陷比和査找出检测点的基于红 外图像的建筑热工指标的自动检测方法。
背景技术
任何温度高于绝对零度的物体都会释放出红外线, 其能量与该物体温 度的四次方成正比。 红外热像仪可将人眼无法看到的红外辐射能量转换为 电信号, 并以备种不同的颜色来表示不同温度分布的可视图像显示出来。 这些可视的数据信号可以协助人们査找温度异常点, 从而在故障未发生之 前发现故障隐患, 识别设备或***的潜在问题。
自二十世纪 70年代以来, 欧美一些发达国家先后开始了红外热像仪在 建筑结构工程领域诊断维护的探索, 使得红外热像技术在该领域的应用日 臻完善。 国内的红外建筑检测在二十世纪九十年代开始起步, 一开始主要 集中在外墙饰面砖的粘结质量以及渗漏检测方面。 由于这些应用领域没有 其它适合的检测手段, 而红外热成像技术具有大面积、 非接触远距离检测, 不影响被测物体, 使用安全, 检测快速, 结果直观可视等优势, 使得该技 术在建筑领域得到了迅猛的发展。 使用红外热像仪, 可以检测到空气泄漏、 水分积累、 管道堵塞、 墙壁后面的结构特征以及过热的电气线路等, 并对 数据进行可视化记录归档。
目前红外热像仪在建筑检测的主要应用有: (1 ) 建筑节能检测: 检测 热工缺陷, 热桥缺陷, 外墙保温节能等, 确保建筑性能及质量, 避免造成 重大损失或危害, 并对建筑节能起到评估作用。 (2 ) 建筑质量检测: 用 于建筑渗漏、 电气***、 暖通空调***、 管路***等检测, 例如: 渗水、 外墙空鼓、 管道密封不良、 电气故障等。
由于环境保护和节能的迫切需要, 国内外特别是加拿大、 美国、 日本 等发达国家对红外热成像在节能的应用研究, 取得了丰富的经验和成果。 对于大小建筑的所有方面的预维护, 红外检测是一种最为有效的降低能耗 和维护费用的方式。 随着科学技术的发展, 随着我们对红外热像技术的进 一步认识和科研思路及理念的转变, 红外热像技术将日趋成熟, 其在建筑 领域的研究与应用将会有更广阔的前景。 但现在还没有一种完善的方法, 能对红外热像仪采集的建筑物的多幅图片自动拼接、 自动识别热工缺陷区 域、 自动计算热工缺陷比以及准确定位建筑物室内的热工检测点。
发明内容
本发明为了克服上述技术问题的缺点, 提供了一种可自动计算出热工 缺陷比和查找出检测点的基于红外图像的建筑热工指标的自动检测方法。
本发明的基于红外图像的建筑热工指标的自动检测方法, 其特别之处 在于, 包括以下步骤: a) .室外采集红外图像, 在保持室内外温度差至少为 10°C以上的情况下, 利用红外热像仪采集建筑物的室外红外图像, 并保证 相邻两幅图像具有至少 1/3的重叠区域, 以保证图像的自动拼接; b) .红外 图像的自动拼接, 采用图像自动拼接的方法, 将步骤 a)中采集的建筑物的 室外红外图像拼接在一起, 形成室外红外图像; c) .确定检测主体, 将步骤 b)中室外红外图像中的不相关背景和干扰物去除, 以获取建筑检测主体的 室外红外图像; d) .自动识别窗户、 缺陷和合格墙体区域, 对步骤 c)中获取 的室外红外图像, 按照缺陷区域的温度高于窗户、 合格墙体区域温度的原 理, 自动识别出窗户、 缺陷和合格墙体区域; e) .标记窗户、 缺陷和合格墙 体区域, 根据步骤 d)中识别出的窗户、 缺陷和合格墙体区域, 将其分别在 室外红外图像上相应的位置标记出来; f) .计算热工缺陷比, 根据热工缺陷 比= (缺陷区域面积) I (检测主体面积-窗户面积), 计算出检测主体的热 工缺陷比, 并将热工缺陷比与国标参数相比较, 判断检测主体的热工缺陷 比是否符合要求, 如果符合要求, 则执行步骤 i) ; 如果不符合要求, 则执 行步骤 g) ; g) .采集缺陷区域红外图像, 对于步骤 e)中标记出的缺陷区域 所对应的内墙面区域, 利用红外热像仪进行红外图像信息采集; 并将采集
的红外图像拼接在一起, 形成内墙面的缺陷区域红外图像; h).定位热工缺 陷区域, 对于步骤 g)中获取的缺陷区域红外图像, 按照红外图像表征的温 度将其划分为多个温度带; 温度高的一个或多个温度带所对应的的墙体区 域即为热工缺陷区域, 热工区域确定后, 可对节能改造提出建议; i).室内 红外图像采集、 拼接, 在保持室内外温度差至少为 io°c以上的情况下, 利 用红外热像仪对待检测墙体的内表面进行依次拍摄, 获取检测主体的室内 红外图像; 采用图像自动拼接的方法, 将室内的红外图像拼接在一起; j). 确定检测主体, 将步骤 i)中室内红外图像中的不相关背景和干扰物去除, 以获取检测主体的室内红外图像; k).划分温度带, 设室内红外图像所对应 的最低、 最高温度分别为^,。、 tmax, 根据红外图像的温度范围, 划分《个温 度带; 个温度带的温度范围分别为 [tmin, , [t,, t2)、 …、 [t„, tm , tmin t\<t "tn<t 并为每个温度带设置不相同的显示颜色; m).生成等温 图, 根据步骤 k)中设定的温度带和温度带颜色, 生成与检测主体的室内红 外图像相对应的等温图; n) .建立直方图分布,对于步骤 m)中获取的等温图, 以每个温度带范围内的像素数、 所占比例或所占面积为纵坐标, 温度带对 应的温度为横坐标, 建立直方图分布; 0).选定检测的温度范围, 根据直方 图分布情况, 选定像素数、 所占比例或所占面积较大的前 w个温度带所对 应的墙体区域, 作为布设检测设备的室内检测点; m<n p).布设检测设 备, 在步骤 0)中确定的室内检测点上安放温度计、 热流量计, 以测量检测 点的热阻值。
本发明的基于红外图像的建筑热工指标的自动检测方法, 步骤 b)和步 骤 i)所述的图像自动拼接的方法, 通过以下步骤来实现: 1).查找匹配特征 区域, 计算两幅待拼接的红外图像中是否存在三对匹配特征区域, 若存在 三对匹配特征区域, 则执行步骤 2), 若不存在三对匹配特征区域, 则执行 步骤 3); 2).红外图像拼接,将存在三对匹配特征区域的两幅局部红外图像, 按照相应特征区域相匹配的方式拼接在一起, 执行步骤 4); 3).手动选取匹 配特征区域, 在待拼接的两幅局部红外图像上手动选取三对匹配特征区域,
依据手动选取的匹配特征区域将两幅局部红外图像拼接在一起; 执行步骤
4); 4) .判断是否拼接完毕, 判断所有局部红外图像是否拼接完毕; 如果所 有局部红外图像均拼接在一起, 则拼接完成; 如没有拼接完毕, 则跳转执 行步骤 1), 直至整个拼接过程结束。
本发明的基于红外图像的建筑热工指标的自动检测方法, 步骤 1)所述 的匹配特征区域的査找包括以下步骤: 1-1) .选取扫描窗口, 设待拼接的前 一幅图像称之为初始图像, 后一幅图像称之为匹配图像; 选取 4*4像素模 板作为扫描窗口, 以匹配图像左上方的第一个 4*4像素区域为扫描起始窗 口, 以初始图像右上方的的第一个 4*4像素区域为扫描起始窗口, 并固定 匹配图像中的扫描起始窗口; 1-2) .从初始图像中的扫描起始窗口幵始, 按 照先从右至左、 再由上至下逐一像素点移动地改变初始图像中扫描窗口的 位置, 来计算两幅红外图像中的 4*4像素扫描窗口中对应像素点的差值; 1-3) .匹配特征区域判断, 对于待判断的两 4*4像素扫描窗口, 如果两扫描 窗口所有像素点灰度值差值的平均值在 5 个灰度值以内, 则认为该两 4*4 像素区域为匹配特征区域; 否则, 判断其为非匹配特征区域; 1-4) .是否存 在匹配特征区域, 经过对初始图像的扫描, 判断是否存在与匹配图中指定 窗口位置相对应的匹配特征区域, 如果存在, 则结束本次匹配特征区域的 查找; 否则, 执行步骤 1-5) ; 1-5) .改变扫描窗口位置, 在匹配图像中按照 先从左至右、 再由上至下改变匹配图像中扫描窗口的位置, 再依次执行步 骤 1-2)、 1-3) 和 1-4) ; 直至查找出三对匹配特征区域; 如果初始图像、 匹配图像中的所有匹配窗口均对比完毕, 不存在三对或三对以上的匹配特 征区域, 则表明不能自动计算出两幅图像中的匹配特征区域。
本发明的基于红外图像的建筑热工指标的自动检测方法, 步骤 d)所述 的自动识别窗户、 缺陷和合格墙体区域通过以下步骤来实现: d-1) .建立室 外红外图像的直方图分布, 以室外红外图像中所表征的检测主体的温度为 横轴、 各温度出现的频率或像素数为纵轴, 建立直方图分布; d- 2) .获取峰 值温度;, 设 T 为直方图的峰值温度, 定义为直方图中出现频率或像素数
最多的温度值; d-3) .求取各热工区域的温度阈值, 定义 7;,、 7;和 7;,。分别 为室外红外图像中窗户、 缺陷和合格墙体热工区域的温度阈值;
其中, „、 7 分别为检测主体内的最低、 最高温度值; Δ,、 Δ2根据 经验值选取, Δ2〉Δ1 ;
d-4) .将检测主体分类,将待检测主体按照步骤 d-3)中的阈值范围进行 区域划分, 已标记红外图像中窗户、 缺陷和合格墙体热工区域的所在位置。
本发明的有益效果是: 本发明的基于红外图像的建筑热工指标的自动 检测方法, 首先采集、 拼接形成检测主体的室外红外图像, 并自动识别出 窗户、 缺陷和合格墙体区域, 可计算出热工缺陷比, 实现了建筑物外墙面 热工缺陷的自动检测。 然后, 在建筑外墙面存在热工缺陷的情况下, 再对 缺陷区域对应的内墙面的红外图像进行分析, 可对热工缺陷区域进行精准 的定位, 有利于对节能改造提出建议。 最终, 通过采集、 拼接出检测主体 的室内红外图像, 并依据室内红外图像划分出温度带、 建立直方图分布, 可有效地确定出检测设备理应放置的位置, 有利于实现对内墙面热阻值的 检测。
在图像的自动拼接过程中, 以 4*4像素区域为扫描窗口对待拼接的两 幅图像进行逐次扫描, 可方便、 准确地查找出两幅图像的匹配特征区域,
有利于实现红外图像的拼接; 万一出现两幅图像通过自动查找不能完成拼 接的情况下, 还可手动完成拼接。
在对窗户、 缺陷和合格墙体区域划分的过程中, 首先以温度为横轴、 频率或像素为纵轴建立直方图, 根据经验值, 再给出不同条件下窗户、 缺 陷和合格墙体热工区域的温度阈值范围, 可有效地标定和求出检测主体的 窗户、 缺陷和合格墙热工区域的面积。
本发明的检测方法, 除了图像的采集外, 整个过程基本完全自动完成, 实现了建筑热工性能指标的快速、 准确、 合理检测, 适于推广应用。
附图说明
图 1为本发明的建筑热工指标的自动检测方法的流程图;
图 2为本发明中待拼接图像匹配特征区域查找的流程图。
具体实施方式
下面结合附图与实施例对本发明作进一步说明。
如图 1所示, 给出了本发明的建筑热工指标的自动检测方法的流程图, 其包括以下步骤:
a) .室外采集红外图像, 在保持室内外温度差至少为 10°C以上的情况 下, 利用红外热像仪釆集建筑物的室外红外图像, 并保证相邻两幅图像具 有至少 1/3的重叠区域, 以保证图像的自动拼接;
该步骤中, 在对建筑物进行红外图像采集的过程中, 应按照 "Z "字形 的顺序依次拍摄采集, 以便前后采集的两相邻图像可拼接在一起;
b) .红外图像的自动拼接, 采用图像自动拼接的方法, 将步骤 a)中采集 的建筑物的室外红外图像拼接在一起, 形成室外红外图像;
该步骤中, 红外图像的拼接过程中, 如果采用人工拼接, 不进工作效 率低下, 而且还不容易拼接的准确性; 而是采用先自动拼接, 在自动拼接 不能完成的情况下, 再进行手动拼接的方法。 如图 2所示, 给出了自动拼 接过程中匹配特征区域查找的流程图, 其可通过以下步骤来实现:
1) .查找匹配特征区域, 计算两幅待拼接的红外图像中是否存在三对匹 配特征区域, 若存在三对匹配特征区域, 则执行步骤 2), 若不存在三对匹
配特征区域, 则执行步骤 3) ;
2) .红外图像拼接, 将存在三对匹配特征区域的两幅局部红外图像, 按 照相应特征区域相匹配的方式拼接在一起, 执行步骤 4);
3) .手动选取匹配特征区域, 在待拼接的两幅局部红外图像上手动选取 三对匹配特征区域, 依据手动选取的匹配特征区域将两幅局部红外图像拼 接在一起; 执行步骤 4) ;
4) .判断是否拼接完毕, 判断所有局部红外图像是否拼接完毕; 如果所 有局部红外图像均拼接在一起, 则拼接完成; 如没有拼接完毕, 则跳转执 行步骤 1), 直至整个拼接过程结束。
步骤 1)则通过以下的步骤来实现:
1-1) .选取扫描窗口, 设待拼接的前一幅图像称之为初始图像, 后一幅 图像称之为匹配图像; 选取 4*4像素模板作为扫描窗口, 以匹配图像左上 方的第一个 4*4像素区域为扫描起始窗口, 以初始图像右上方的的第一个 4*4像素区域为扫描起始窗口, 并固定匹配图像中的扫描起始窗口;
1 - 2) .从初始图像中的扫描起始窗口开始, 按照先从右至左、 再由上至 下逐一像素点移动地改变初始图像中扫描窗口的位置, 来计算两幅红外图 像中的 4*4像素扫描窗口中对应像素点的差值;
1-3) .匹配特征区域判断, 对于待判断的两 4*4像素扫描窗口, 如果两 扫描窗口所有像素点灰度值差值的平均值在 5个灰度值以内, 则认为该两 4*4像素区域为匹配特征区域; 否则, 判断其为非匹配特征区域;
1-4) .是否存在匹配特征区域, 经过对初始图像的扫描, 判断是否存在 与匹配图中指定窗口位置相对应的匹配特征区域, 如果存在, 则结束本次 匹配特征区域的査找; 否则, 执行步骤 1-5) ;
1-5) .改变扫描窗口位置, 在匹配图像中按照先从左至右、 再由上至下 改变匹配图像中扫描窗口的位置, 再依次执行步骤 1-2)、 1-3) 和 1-4) ; 直至査找出三对匹配特征区域; 如果初始图像、 匹配图像中的所有匹配窗 口均对比完毕, 不存在三对或三对以上的匹配特征区域, 则表明不能自动
计算出两幅图像中的匹配特征区域。
c) .确定检测主体,将步骤 b)中室外红外图像中的不相关背景和干扰物 去除, 以获取建筑检测主体的室外红外图像;
该步骤中, 应将天空等不相关背景以及树木等干扰物去除;
d) .自动识别窗户、缺陷和合格墙体区域, 对步骤 c)中获取的室外红外 图像, 按照缺陷区域的温度高于窗户、 合格墙体区域温度的原理, 自动识 别出窗户、 缺陷和合格墙体区域;
该步骤中, 要想自动识别出红外图像中的窗户、 缺陷和合格墙体区域, 必须要了解窗户、 缺陷和合格墙体区域在红外图像中的属性。 由于缺陷区 域会将室内的温度传到出来, 温度是最高的, 而合格墙体区域温度应是最 低的。 由于检测主体区域的墙体、 窗户的面积大小不一, 应采用下面的方 法步骤来实现:
d-1) .建立室外红外图像的直方图分布, 以室外红外图像中所表征的检 测主体的温度为横轴、 各温度出现的频率或像素数为纵轴, 建立直方图分 布;
d-2) .获取峰值温度 7>, 设 7>为直方图的峰值温度, 定义为直方图中出 现频率或像素数最多的温度值;
d-3) .求取各热工区域的温度阈值, 定义 ! ,,、 7 和 7;。分别为室外红外 图像中窗户、 缺陷和合格墙体热工区域的温度阈值;
其中, n 7 分别为检测主体内的最低、 最高温度值; Δ, Δ2根据 经验值选取, Δ2 > Δ, ;
d-4) .将检测主体分类,将待检测主体按照步骤 d- 3)中的阈值范围进行 区域划分, 已标记红外图像中窗户、 缺陷和合格墙体热工区域的所在位置。
其中: 步骤 d- 3)中 Δ, Δ2的取值满足: 1 <2 2^ Δ2 <40 e) .标记窗户、 缺陷和合格墙体区域, 根据步骤 d)中识别出的窗户、 缺 陷和合格墙体区域, 将其分别在室外红外图像上相应的位置标记出来; f) .计算热工缺陷比, 根据热工缺陷比= (缺陷区域面积) I (检测主体 面积-窗户面积), 计算出检测主体的热工缺陷比, 并将热工缺陷比与国标 参数相比较, 判断检测主体的热工缺陷比是否符合要求, 如果符合要求, 则执行步骤 i) ; 如果不符合要求, 则执行歩骤 g) ;
g) .采集缺陷区域红外图像,对于步骤 e)中标记出的缺陷区域所对应的 内墙面区域, 利用红外热像仪进行红外图像信息采集; 并将采集的红外图 像拼接在一起, 形成内墙面的缺陷区域红外图像;
h) .定位热工缺陷区域, 对于步骤 g)中获取的缺陷区域红外图像, 按照 红外图像表征的温度将其划分为多个温度带; 温度高的一个或多个温度带 所对应的的墙体区域即为热工缺陷区域, 热工区域确定后, 可对节能改造 提出建议;
i) .室内红外图像采集、拼接, 在保持室内外温度差至少为 10°C以上的 情况下, 利用红外热像仪对待检测墙体的内表面进行依次拍摄, 获取检测 主体的室内红外图像; 采用图像自动拼接的方法, 将室内的红外图像拼接 在一起;
j) .确定检测主体,将步骤 i)中室内红外图像中的不相关背景和干扰物 去除, 以获取检测主体的室内红外图像;
k) .划分温度带, 设室内红外图像所对应的最低、 最高温度分别为 /
tmax, 根据红外图像的温度范围, 划分《个温度带; 《个温度带的温度范围分 别为 [t t, )> [t, t2 n, tm , tmin<t]<t2-tn<tmm, 并为每个 温度带设置不相同的显示颜色;
m).生成等温图, 根据步骤 k)中设定的温度带和温度带颜色, 生成与检 测主体的室内红外图像相对应的等温图;
n).建立直方图分布, 对于步骤 m)中获取的等温图, 以每个温度带范围 内的像素数、 所占比例或所占面积为纵坐标, 温度带对应的温度为横坐标, 建立直方图分布;
0).选定检测的温度范围, 根据直方图分布情况, 选定像素数、 所占比 例或所占面积较大的前 w个温度带所对应的墙体区域, 作为布设检测设备 的室内检测点; m<n;
温度带的数目《可为 5 8个, 选定的温度带 m可为 3 5个。
P).布设检测设备, 在步骤 0)中确定的室内检测点上安放温度计、热流 量计, 以测量检测点的热阻值。
每个选定的温度带所对应的的墙体区域应设置多个检测点
Claims
1. 一种基于红外图像的建筑热工指标的自动检测方法, 其特征在于, 包括以下步骤:
a) .室外采集红外图像, 在保持室内外温度差至少为 10°C以上的情况 下, 利用红外热像仪采集建筑物的室外红外图像, 并保证相邻两幅图像具 有至少 1/3的重叠区域, 以保证图像的自动拼接;
b) .红外图像的自动拼接, 采用图像自动拼接的方法, 将步骤 a)中采集 的建筑物的室外红外图像拼接在一起, 形成室外红外图像;
c) .确定检测主体,将步骤 b)中室外红外图像中的不相关背景和干扰物 去除, 以获取建筑检测主体的室外红外图像;
d) .自动识别窗户、缺陷和合格墙体区域, 对步骤 c)中获取的室外红外 图像, 按照缺陷区域的温度高于窗户、 合格墙体区域温度的原理, 自动识 别出窗户、 缺陷和合格墙体区域;
e) .标记窗户、缺陷和合格墙体区域, 根据步骤 d)中识别出的窗户、缺 陷和合格墙体区域, 将其分别在室外红外图像上相应的位置标记出来; f) .计算热工缺陷比, 根据热工缺陷比= (缺陷区域面积) I (检测主体 面积-窗户面积), 计算出检测主体的热工缺陷比, 并将热工缺陷比与国标 参数相比较, 判断检测主体的热工缺陷比是否符合要求, 如果符合要求, 则执行步骤 i) ; 如果不符合要求, 则执行步骤 g) ;
g) .采集缺陷区域红外图像,对于步骤 e)中标记出的缺陷区域所对应的 内墙面区域, 利用红外热像仪进行红外图像信息采集; 并将采集的红外图 像拼接在一起, 形成内墙面的缺陷区域红外图像;
h) .定位热工缺陷区域, 对于步骤 g)中获取的缺陷区域红外图像, 按照 红外图像表征的温度将其划分为多个温度带; 温度高的一个或多个温度带 所对应的的墙体区域即为热工缺陷区域, 热工区域确定后, 可对节能改造 提出建议;
i) .室内红外图像采集、拼接, 在保持室内外温度差至少为 10°C以上的
情况下, 利用红外热像仪对待检测墙体的内表面进行依次拍摄, 获取检测 主体的室内红外图像; 采用图像自动拼接的方法, 将室内的红外图像拼接 在一起;
j).确定检测主体,将步骤 i)中室内红外图像中的不相关背景和干扰物 去除, 以获取检测主体的室内红外图像;
k).划分温度带, 设室内红外图像所对应的最低、 最高温度分别为 tmm、 tmax, 根据红外图像的温度范围, 划分《个温度带; 《个温度带的温度范围分 别为 [tmin, it,, t2)、 …、 [tn , tm , mm<^<V,„< , 并为每个 温度带设置不相同的显示颜色;
m).生成等温图, 根据步骤 k)中设定的温度带和温度带颜色, 生成与检 测主体的室内红外图像相对应的等温图;
n).建立直方图分布, 对于步骤 m)中获取的等温图, 以每个温度带范围 内的像素数、 所占比例或所占面积为纵坐标, 温度带对应的温度为横坐标, 建立直方图分布;
0) .选定检测的温度范围, 根据直方图分布情况, 选定像素数、 所占比 例或所占面积较大的前/ «个温度带所对应的墙体区域, 作为布设检测设备 的室内检测点;
P).布设检测设备, 在步骤 0)中确定的室内检测点上安放温度计、热流 量计, 以测量检测点的热阻值。
2. 根据权利要求 1所述的基于红外图像的建筑热工指标的自动检测方 法, 其特征在于, 步骤 b)和步骤 i)所述的图像自动拼接的方法, 通过以下 步骤来实现-
1) .査找匹配特征区域, 计算两幅待拼接的红外图像中是否存在三对匹 配特征区域, 若存在三对匹配特征区域, 则执行歩骤 2), 若不存在三对匹 配特征区域, 则执行步骤 3);
2) .红外图像拼接, 将存在三对匹配特征区域的两幅局部红外图像, 按 照相应特征区域相匹配的方式拼接在一起, 执行步骤 4);
3) .手动选取匹配特征区域, 在待拼接的两幅局部红外图像上手动选取 三对匹配特征区域, 依据手动选取的匹配特征区域将两幅局部红外图像拼 接在一起; 执行步骤 4) ;
4) .判断是否拼接完毕, 判断所有局部红外图像是否拼接完毕; 如果所 有局部红外图像均拼接在一起, 则拼接完成; 如没有拼接完毕, 则跳转执 行步骤 1), 直至整个拼接过程结束。
3. 根据权利要求 2所述的基于红外图像的建筑热工指标的自动检测方 法, 其特征在于, 步骤 1)所述的匹配特征区域的査找包括以下步骤:
1-1) .选取扫描窗口, 设待拼接的前一幅图像称之为初始图像, 后一幅 图像称之为匹配图像; 选取 4*4像素模板作为扫描窗口, 以匹配图像左上 方的第一个 4*4像素区域为扫描起始窗口, 以初始图像右上方的的第一个 4*4像素区域为扫描起始窗口, 并固定匹配图像中的扫描起始窗口;
1-2) .从初始图像中的扫描起始窗口开始, 按照先从右至左、 再由上至 下逐一像素点移动地改变初始图像中扫描窗口的位置, 来计算两幅红外图 像中的 4*4像素扫描窗口中对应像素点的差值;
1-3) .匹配特征区域判断, 对于待判断的两 4*4像素扫描窗口, 如果两 扫描窗口所有像素点灰度值差值的平均值在 5个灰度值以内, 则认为该两 4*4像素区域为匹配特征区域; 否则, 判断其为非匹配特征区域;
1-4) .是否存在匹配特征区域, 经过对初始图像的扫描, 判断是否存在 与匹配图中指定窗口位置相对应的匹配特征区域, 如果存在, 则结束本次 匹配特征区域的查找; 否则, 执行步骤 1-5) ;
1 - 5) .改变扫描窗口位置, 在匹配图像中按照先从左至右、 再由上至下 改变匹配图像中扫描窗口的位置, 再依次执行步骤 1-2)、 1-3) 和 1-4) ; 直至査找出三对匹配特征区域; 如果初始图像、 匹配图像中的所有匹配窗 口均对比完毕, 不存在三对或三对以上的匹配特征区域, 则表明不能自动 计算出两幅图像中的匹配特征区域。
4. 根据权利要求 1或 2所述的基于红外图像的建筑热工指标的自动检
测方法, 其特征在于, 步骤 d)所述的自动识别窗户、 缺陷和合格墙体区域 通过以下步骤来实现:
d-1) .建立室外红外图像的直方图分布, 以室外红外图像中所表征的检 测主体的温度为横轴、 各温度出现的频率或像素数为纵轴, 建立直方图分 布;
d-2) .获取峰值温度 7>, 设 7>为直方图的峰值温度, 定义为直方图中出 现频率或像素数最多的温度值;
d - 3) .求取各热工区域的温度阈值, 定义 7 ,、 7 和 7;。分别为室外红外 图像中窗户、 缺陷和合格墙体热工区域的温度阈值;
其中, n、 7_分别为检测主体内的最低、 最高温度值; Δ,、 Δ2根据 经验值选取, Δ2 > Δ, ;
d - 4) .将检测主体分类,将待检测主体按照步骤 d_3)中的阈值范围进行 区域划分, 己标记红外图像中窗户、 缺陷和合格墙体热工区域的所在位置。
5. 根据权利要求 4所述的基于红外图像的建筑热工指标的自动检测方 法, 其特征在于: 步骤 d- 3)中 Δ,、 Δ2的取值满足: 1 Δ, <2; 2 Δ2 <4。
Applications Claiming Priority (8)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310091969XA CN103163151A (zh) | 2013-03-21 | 2013-03-21 | 基于红外图像的建筑热工缺陷精确定位方法 |
CN201310091937.XA CN103163181B (zh) | 2013-03-21 | 2013-03-21 | 基于建筑外景红外图像的热工区域自动识别方法 |
CN201310091892.6 | 2013-03-21 | ||
CN201310091969.X | 2013-03-21 | ||
CN201310091892.6A CN103150716B (zh) | 2013-03-21 | 2013-03-21 | 红外图像拼接方法 |
CN201310091937.X | 2013-03-21 | ||
CN201310114744.1 | 2013-04-03 | ||
CN201310114744.1A CN103196565B (zh) | 2013-04-03 | 2013-04-03 | 基于红外热图的建筑室内节能检测点标记方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2014146222A1 true WO2014146222A1 (zh) | 2014-09-25 |
Family
ID=51579256
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2013/000983 WO2014146222A1 (zh) | 2013-03-21 | 2013-08-22 | 基于红外图像的建筑热工指标的自动检测方法 |
Country Status (1)
Country | Link |
---|---|
WO (1) | WO2014146222A1 (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107843348A (zh) * | 2017-12-14 | 2018-03-27 | 东方电气集团东方锅炉股份有限公司 | 一种吸热器能流密度测量装置及测量方法 |
CN109580043A (zh) * | 2018-12-27 | 2019-04-05 | 中国计量大学 | 基于红外相机的房间型量热计工况稳定判定方法 |
CN109584318A (zh) * | 2019-01-25 | 2019-04-05 | 浙江工业大学 | 一种用于检测并标记外墙体墙砖牢固程度的方法及装置 |
WO2019173958A1 (zh) * | 2018-03-13 | 2019-09-19 | 大连理工大学 | 外墙饰面层空鼓检测方法 |
CN110909607A (zh) * | 2019-10-24 | 2020-03-24 | 北京中润惠通科技发展有限公司 | 一种智慧地铁运营中客流感知的装置*** |
CN111160305A (zh) * | 2019-12-31 | 2020-05-15 | 武汉工程大学 | 一种变压器套管异常监测方法及计算机可读介质 |
CN114359416A (zh) * | 2022-03-17 | 2022-04-15 | 山东水利建设集团有限公司 | 一种建筑物外墙空鼓渗漏异常检测及定位方法 |
CN116046179A (zh) * | 2022-12-05 | 2023-05-02 | 兰州空间技术物理研究所 | 一种等离子体推力器运行环境下非接触式测温与标定方法 |
CN116129277A (zh) * | 2023-04-04 | 2023-05-16 | 成都兰腾科技有限公司 | 一种建筑节能检测方法及*** |
CN116148310A (zh) * | 2023-04-21 | 2023-05-23 | 天津市津能滨海热电有限公司 | 基于红外热成像的围护结构检测方法 |
CN117036655A (zh) * | 2023-08-18 | 2023-11-10 | 河北建设集团股份有限公司 | 一种建筑施工质量的图形识别数据采集***及方法 |
CN117288266A (zh) * | 2023-11-24 | 2023-12-26 | 北京住总集团有限责任公司 | 一种住宅缺陷监测***及方法 |
CN117949143A (zh) * | 2024-03-26 | 2024-04-30 | 四川名人居门窗有限公司 | 一种门窗渗漏检测及反馈***及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006189410A (ja) * | 2004-12-07 | 2006-07-20 | Raito Kogyo Co Ltd | 構造物の非破壊検査方法及びその装置 |
CN101246137A (zh) * | 2008-01-29 | 2008-08-20 | 西北民族大学 | 用红外热像仪检测建筑围护结构传热阻/传热系数的方法 |
CN101685203A (zh) * | 2009-07-21 | 2010-03-31 | 中国船舶重工集团公司第七一七研究所 | 一种红外拼接成像装置 |
WO2012061922A1 (en) * | 2010-11-12 | 2012-05-18 | Ftd Highrise Inspection Inc. | Building inspection device |
CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
-
2013
- 2013-08-22 WO PCT/CN2013/000983 patent/WO2014146222A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006189410A (ja) * | 2004-12-07 | 2006-07-20 | Raito Kogyo Co Ltd | 構造物の非破壊検査方法及びその装置 |
CN101246137A (zh) * | 2008-01-29 | 2008-08-20 | 西北民族大学 | 用红外热像仪检测建筑围护结构传热阻/传热系数的方法 |
CN101685203A (zh) * | 2009-07-21 | 2010-03-31 | 中国船舶重工集团公司第七一七研究所 | 一种红外拼接成像装置 |
WO2012061922A1 (en) * | 2010-11-12 | 2012-05-18 | Ftd Highrise Inspection Inc. | Building inspection device |
CN102636313A (zh) * | 2012-04-11 | 2012-08-15 | 浙江工业大学 | 基于红外热成像图像处理的渗漏源检测装置 |
Non-Patent Citations (3)
Title |
---|
WANG, KAI ET AL.: "Application of Infrared Thermal Imaging Technology on Energy diagnosis in Buildings", BUILDING ENERGY & ENVIRONMENT, vol. 30, no. 3, 30 June 2011 (2011-06-30), pages 73, 74 AND 54 * |
YANG, HONG ET AL.: "Infrared thermography detection technology for wall thermotechnical defect", CONSTRUCTION SCIENCEAND TECHNOLOGY, 30 November 2005 (2005-11-30) * |
YANG, YANPING ET AL.: "Study on Application of infrared thermography technology in building detection", ZHEJIANG CONSTRUCTION, vol. 28, no. 11, 30 November 2011 (2011-11-30), pages 23 * |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107843348A (zh) * | 2017-12-14 | 2018-03-27 | 东方电气集团东方锅炉股份有限公司 | 一种吸热器能流密度测量装置及测量方法 |
CN107843348B (zh) * | 2017-12-14 | 2023-05-30 | 东方电气集团东方锅炉股份有限公司 | 一种吸热器能流密度测量装置及测量方法 |
WO2019173958A1 (zh) * | 2018-03-13 | 2019-09-19 | 大连理工大学 | 外墙饰面层空鼓检测方法 |
US11367171B2 (en) | 2018-03-13 | 2022-06-21 | Dalian University Of Technology | Method for detecting hollowing of exterior wall finish layer |
CN109580043A (zh) * | 2018-12-27 | 2019-04-05 | 中国计量大学 | 基于红外相机的房间型量热计工况稳定判定方法 |
CN109580043B (zh) * | 2018-12-27 | 2023-10-13 | 中国计量大学 | 基于红外相机的房间型量热计工况稳定判定方法 |
CN109584318A (zh) * | 2019-01-25 | 2019-04-05 | 浙江工业大学 | 一种用于检测并标记外墙体墙砖牢固程度的方法及装置 |
CN109584318B (zh) * | 2019-01-25 | 2023-09-01 | 浙江工业大学 | 一种用于检测并标记外墙体墙砖牢固程度的方法及装置 |
CN110909607A (zh) * | 2019-10-24 | 2020-03-24 | 北京中润惠通科技发展有限公司 | 一种智慧地铁运营中客流感知的装置*** |
CN111160305A (zh) * | 2019-12-31 | 2020-05-15 | 武汉工程大学 | 一种变压器套管异常监测方法及计算机可读介质 |
CN114359416A (zh) * | 2022-03-17 | 2022-04-15 | 山东水利建设集团有限公司 | 一种建筑物外墙空鼓渗漏异常检测及定位方法 |
CN116046179B (zh) * | 2022-12-05 | 2024-02-20 | 兰州空间技术物理研究所 | 一种等离子体推力器运行环境下非接触式测温与标定方法 |
CN116046179A (zh) * | 2022-12-05 | 2023-05-02 | 兰州空间技术物理研究所 | 一种等离子体推力器运行环境下非接触式测温与标定方法 |
CN116129277A (zh) * | 2023-04-04 | 2023-05-16 | 成都兰腾科技有限公司 | 一种建筑节能检测方法及*** |
CN116129277B (zh) * | 2023-04-04 | 2023-11-21 | 重庆市建设工程质量检验测试中心有限公司 | 一种建筑节能检测方法及*** |
CN116148310A (zh) * | 2023-04-21 | 2023-05-23 | 天津市津能滨海热电有限公司 | 基于红外热成像的围护结构检测方法 |
CN116148310B (zh) * | 2023-04-21 | 2023-06-23 | 天津市津能滨海热电有限公司 | 基于红外热成像的围护结构检测方法 |
CN117036655A (zh) * | 2023-08-18 | 2023-11-10 | 河北建设集团股份有限公司 | 一种建筑施工质量的图形识别数据采集***及方法 |
CN117036655B (zh) * | 2023-08-18 | 2024-03-05 | 河北建设集团股份有限公司 | 一种建筑施工质量的图形识别数据采集***及方法 |
CN117288266A (zh) * | 2023-11-24 | 2023-12-26 | 北京住总集团有限责任公司 | 一种住宅缺陷监测***及方法 |
CN117288266B (zh) * | 2023-11-24 | 2024-01-23 | 北京住总集团有限责任公司 | 一种住宅缺陷监测***及方法 |
CN117949143A (zh) * | 2024-03-26 | 2024-04-30 | 四川名人居门窗有限公司 | 一种门窗渗漏检测及反馈***及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2014146222A1 (zh) | 基于红外图像的建筑热工指标的自动检测方法 | |
CN103196565B (zh) | 基于红外热图的建筑室内节能检测点标记方法 | |
CN103163181B (zh) | 基于建筑外景红外图像的热工区域自动识别方法 | |
CN108490030A (zh) | 基于无人机红外热成像的建筑围护结构热工性能检测方法 | |
CN108535321B (zh) | 一种基于三维红外热成像技术的建筑热工性能检测方法 | |
Li et al. | Long-distance precision inspection method for bridge cracks with image processing | |
CN102927448B (zh) | 管道无损检测方法 | |
CN111931565A (zh) | 一种基于光伏电站uav的自主巡检与热斑识别方法及*** | |
CN109900711A (zh) | 基于机器视觉的工件缺陷检测方法 | |
CN105516584B (zh) | 全景影像采集***、基于其的测量天际线的装置和方法 | |
CN102831595B (zh) | 用于自然环境下目标点图像识别的标识物检测方法 | |
CN109520671B (zh) | 基于红外热成像技术的冷热风渗透量定量测量方法 | |
CN106774419A (zh) | 用于火力发电厂锅炉的无人机巡检***及巡检方法 | |
CN103163151A (zh) | 基于红外图像的建筑热工缺陷精确定位方法 | |
CN105957096A (zh) | 一种用于三维数字图像相关的相机外参标定方法 | |
CN109754406A (zh) | 基于二维轮廓仪的锂电池极片毛刺检测装置及方法 | |
CN111077184A (zh) | 基于红外热成像的识别钢管混凝土构件脱空缺陷的方法 | |
CN106403818A (zh) | 多规格大型方矩形管在线尺寸参数检测用的***及方法 | |
CN102621180A (zh) | 一种节能门窗性能测试方法 | |
CN106885824A (zh) | 一种基于红外图像处理的建筑墙体传热系数检测方法 | |
CN106644292A (zh) | 一种热力管道泄漏磁温综合检测方法 | |
CN114941807A (zh) | 一种基于无人机的热力管道泄漏快速监测与定位方法 | |
Zhang et al. | Thermal-textured BIM generation for building energy audit with UAV image fusion and histogram-based enhancement | |
CN104376531B (zh) | 一种图像拼接方法与*** | |
Zheng et al. | Monitoring and diagnostics of buildings' heat loss based on 3D IR model of multiple buildings |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 13878770 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
32PN | Ep: public notification in the ep bulletin as address of the adressee cannot be established |
Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 24-02-2016) |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 13878770 Country of ref document: EP Kind code of ref document: A1 |