CN102636313B - 基于红外热成像图像处理的渗漏源检测装置 - Google Patents
基于红外热成像图像处理的渗漏源检测装置 Download PDFInfo
- Publication number
- CN102636313B CN102636313B CN201210104535.4A CN201210104535A CN102636313B CN 102636313 B CN102636313 B CN 102636313B CN 201210104535 A CN201210104535 A CN 201210104535A CN 102636313 B CN102636313 B CN 102636313B
- Authority
- CN
- China
- Prior art keywords
- thermal imaging
- infrared thermal
- imaging image
- temperature
- image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001931 thermography Methods 0.000 title claims abstract description 94
- 238000012545 processing Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 28
- 238000007781 pre-processing Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 18
- 230000008569 process Effects 0.000 claims description 18
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 claims description 11
- 238000009792 diffusion process Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 238000011551 log transformation method Methods 0.000 claims description 8
- 238000013507 mapping Methods 0.000 claims description 8
- 238000012360 testing method Methods 0.000 claims description 8
- 210000000746 body region Anatomy 0.000 claims description 7
- 238000011002 quantification Methods 0.000 claims description 7
- 238000010438 heat treatment Methods 0.000 claims description 6
- 238000001757 thermogravimetry curve Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 claims description 4
- 238000013139 quantization Methods 0.000 claims description 4
- 238000004088 simulation Methods 0.000 claims description 4
- IYLGZMTXKJYONK-ACLXAEORSA-N (12s,15r)-15-hydroxy-11,16-dioxo-15,20-dihydrosenecionan-12-yl acetate Chemical compound O1C(=O)[C@](CC)(O)C[C@@H](C)[C@](C)(OC(C)=O)C(=O)OCC2=CCN3[C@H]2[C@H]1CC3 IYLGZMTXKJYONK-ACLXAEORSA-N 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000013461 design Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- IYLGZMTXKJYONK-UHFFFAOYSA-N ruwenine Natural products O1C(=O)C(CC)(O)CC(C)C(C)(OC(C)=O)C(=O)OCC2=CCN3C2C1CC3 IYLGZMTXKJYONK-UHFFFAOYSA-N 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims description 3
- 238000004458 analytical method Methods 0.000 claims description 2
- 230000000877 morphologic effect Effects 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 230000007547 defect Effects 0.000 abstract 3
- 230000000875 corresponding effect Effects 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 235000009262 Dracaena angustifolia Nutrition 0.000 description 1
- 240000007833 Dracaena angustifolia Species 0.000 description 1
- 238000003915 air pollution Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000009659 non-destructive testing Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
Landscapes
- Radiation Pyrometers (AREA)
- Image Processing (AREA)
Abstract
一种基于红外热成像图像处理的渗漏源检测装置,包括红外热成像摄像装置和用于对红外热成像摄像装置所拍摄的墙体或者容器热像图以及相关输入信息对建筑物墙体或者容器的损坏状况、是否发生渗漏点以及渗漏区域和程度进行分析处理判断的微处理器;红外热成像摄像装置对预处理的被检物体进行扫摄,可获得墙体或者容器的表面温度分布信息;微处理器中软件主要包括:红外热成像图像获取单元、红外热成像图像预处理单元和渗漏定量检测单元,通过数字图像处理技术对被测物体表面温度场进行分析,得出被测物体是否存在渗漏缺陷、本发明不但能快速检测出是否存在渗漏缺陷,还能准确检测出渗漏存在区域、程度和影响范围,为渗漏缺陷提供一种评估方法。
Description
技术领域
本发明属于红外热成像技术和数字图像处理技术在墙体或容器等渗漏点精确定位检测方面的应用,主要适用于墙体渗漏源定位检测。
背景技术
在维护和管理各种建筑物时,通过表面无损检查来发现液体的渗漏点具有很大的工程应用价值,然而通过常规办法去寻找渗漏源和渗漏路径往往很难实现。渗水破坏是持续的,造成建筑材料、设备和装饰家具的过早损坏,并引起室内空气污染。特别是渗入点难以确定,因为水经常不按照预想的路径渗入,肉眼看不到任何渗水痕迹。确诊像银行,大坝,隧道,管道等建筑的墙体漏水状况,并且立即进行修理,是极其必要的。
现有技术提出了一些容器渗漏的检测方法,容器渗漏检测属于封闭结构的检测,因此可以采用音速喷嘴法、热式空气流量计法和表面涂抹法等方法。而对于墙体这样开放结构的渗漏检测,目前这些检测方法显然已经不能适用;另一方面,虽然墙体渗漏的最终结果能反映到墙体表面上来,但是要检测和准确定位墙体渗漏源却是一件非常困难的事情。
发明内容
为了克服现有检测手段针对墙体渗漏检测,尤其是在渗漏源定位等方面存在的不足,本发明提供一种既能检测和定位墙体渗漏源,又能对渗漏程度和造成的影响进行量化分析的基于红外热成像图像处理的渗漏源检测装置。
本发明解决其技术问题所采用的技术方案是:
一种基于红外热成像图像处理的渗漏源检测装置,包括红外摄像装置和用于对红外摄像装置所拍摄的墙体或者容器红外热成像图像进行预处理,并判断是否发生渗漏点以及分析处理渗漏区域和程度的微处理器;所述的微处理器包括:
红外热成像图像获取单元,用于通过USB接口读取红外摄像装置所拍摄的被检物体的红外热像图,并将读取的红外热像图提交给红外热成像图像预处理单元;
红外热成像图像预处理单元,用于将红外热成像图像进行初步预处理得到初步增强的红外热成像图像,然后对该初步增强红外热成像图像进行区域初步分割,得到红外热成像图像上疑似不同渗漏源引起渗漏影响局部区域,并保存于区域队列供后续运算;
渗漏定量检测单元,用于从区域队列中取出一个疑似单一渗漏源所影响范围红外热成像图像进行渗漏量化,计算得到渗漏源准确位置以及对渗漏影响程度进行量化处理,所述渗漏定量检测单元包括:形态学分析模块,用于缩小渗漏源的检测范围,进行渗漏源的粗定位;温度梯度判断模块,用于准确定位渗漏源的位置;
在所述的形态学判断模块中,首先对单一渗漏点影响范围区域进行面积统计,然后根据形态学进行非渗漏点排除,在渗漏模型中,半径最小椭圆区域为渗漏点所在,有渗漏点向外,水分的扩散造成温度的梯度扩散,在红外热成像图像图中有温度信息找出水分扩散;
在所述的温度梯度计算模块中,使用等值线算法得到多条等温线;针对每一条等温线计算其多条法线,对法线相交最集中区域进行统计,判定法线相交最集中点为渗漏源。
进一步,所述渗漏定量检测单元包括:检测结果输出单元,用于输出检测结果报告,检测结果报告内容包括:是否存在多渗漏点、渗漏点区域坐标、渗漏程度;渗漏程度指标包括:温度梯度密集度、渗漏点区域水分和渗漏影响区域面积。
在所述的温度梯度计算模块中,如果检测出在某一小区域内存在多渗漏点,则需要进一步进行多渗漏点分离计算;多渗漏点处理,如果在所述的渗漏点量化模块对于队列中的一个局部小区域计算得到小区域存在多个渗漏点情况时,逐一对这些渗漏点进行标记。
所述的红外热成像图像预处理单元,预处理过程如下;
步骤1):温度值-灰度值映射变换,对红外热成像图像进行温度值-灰度值映射变换,以灰度值图像表现,图像上各点灰度值对应相应温度值;步骤2):低通滤波去噪;步骤3):对比度增强;步骤4):轮廓提取,对温度范围修正后的灰度值图像进行边界轮廓提取,以便进行连通域提取与标记;步骤5):连通域提取,对灰度值图像上疑似单一渗漏点影响范围进行连通域填充提取,消除该范围内的少数空洞。
所述的红外热成像图像预处理单元,低通滤波去噪的过程如下:步骤2.1):对灰度值图像进行傅立叶变换,将空域图像变换到频域;步骤22):设计低通滤波器,采用巴特沃斯低通滤波器,低通滤波器公式(1)所示,进行相乘滤波;步骤2.3):采用傅立叶逆变换,将滤波后的频域图像转换到空域;
式中,D0是截至频率距原点的距离,D(u,v)是(u,v)点距频率矩形中心点距离;这里将把H(u,v)开始小于其最大值的一定比例的点当作其截止频率点,本发明中选择H(u,v)为0.5。
所述的红外热成像图像预处理单元,对比度增强的方式将低温区温度差拉伸,具体做法是采用对数变换方法来扩展图像的低灰度范围,同时压缩高灰度范围;对于一幅最高温度为Tmax和最低温度为Tmin的红外热成像图,其温度变换区域为[Tmin,Tmax],在宽区间内较小的温差将被淹没,很难准确的被定位检测出来;若渗漏周围温度的范围为[Tmin0,Tmax0],那么就存在着Tmin<Tmin0<Tmax0<Tmax关系,通过公式(2)所示的非线性灰度变换的对数变换,变换后的图像使得渗漏周围温度的温差范围得以扩展,非渗漏区域的温差范围得以压缩;
式中,f(u,v)代表温度值修正前值,g(u,v)为温度修正后的值,参数a控制曲线上下偏移量,参数b控制曲线的弯曲程度;选择合适的参数使得相对低温区的差距得到拉伸,同时抑制非渗漏区域高温区的差距扩大化,选择参数a=50,b=0.05。
所述的红外热成像图像预处理单元,采用轮廓提取算法进行渗漏源区域轮廓的提取,具体算法描述如下:首先对对比度增强后的图像进行二值化,这里采用自适应方式确定参数;其次遍历二值图像,确定一个非零点为轮廓前驱点,循环查找其八连通区域内与该点同值的点后确定为轮廓后继点,以此继续进行,同时需要对轮廓线相交、相切和重叠等特殊情况做处理;最后对相邻连通区域进行拼接。
所述的红外热成像图像预处理单元,在初步预处理后进行区域初步分割,在整体红外热成像图像中标记提取单一渗漏点影响范围区域图像,放入区域队列中,到此疑似单一渗漏点影响区域表面红外热成像图像将一个一个存在队列中,接下来进行渗漏定量检测。
所述红外成像装置用于接收目标物体表面热辐射红外波,并转化为电压信号同时以相应彩色值显示在红外热成像图像上,红外摄像装置可手持或安装在摄像支架上,对被检物体进行拍摄得到红外热成像图像,通过红外热成像图像处理获得墙体的表面温度分布信息。
在拍摄红外热成像图像前需要对被检物体进行预处理,过程是:首先对被检物体区域上方模拟下雨情景充分浇水;然后对被检物体区域进行局部加热。
本发明的有益效果主要表现在:1、结合红外图像处理技术能够非接触式无损检测,不需要凿开墙体而得到渗漏点所在;2、使用该方法可以定量定位渗漏坐标和渗漏影响大小;3、解决了墙体渗漏源检测定位难的问题,定量化检测为损失评估和维修工作带来很大的便利。
附图说明
图1为使用热像仪对墙体渗漏检测示意图;
图2a)为墙体热像图、图2b)为灰度值拉升图、图2c)为低通滤波效果图;
图3为一种基于红外热成像图像处理的渗漏源检测装置的软件构成框图;
图4为该系统中热像预处理单元中的初步预处理模块框图;
图5该系统中渗漏定量检测单元中的针对一个区域进行计算算法框图;
图6a)为垂直渗漏模型、图6b)为形态学处理后的渗漏点周围模型;
图7a)为渗漏点周围温度梯度模型、图7b)为其中任一条等温线以及法线模型;
图8为非线性灰度变换方法中的对数变换映射;
图9为巴特沃斯低通滤波器剖面图和透视图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1~9,一种基于红外热成像图像处理的渗漏源检测装置,所述基于红外热成像图像处理的渗漏源检测装置,检测装置的应用状态如图1所示,其中包括红外摄像装置和用于对红外摄像装置所拍摄的墙体或者容器红外热成像图像以及相关输入信息对建筑物墙体或者容器的损坏状况、是否发生渗漏点以及渗漏区域和程度进行分析处理判断的微处理器;
所述红外成像装置用于接收目标物体表面热辐射红外波,并转化为电压信号同时以相应彩色值显示在红外热成像图像上;红外摄像装置可手持或安装在摄像支架上,对被检物体进行拍摄得到红外热成像图像,通过红外热成像图像处理获得墙体的表面温度分布信息;在拍摄红外热成像图像前需要对被检物体进行预处理,预处理的目的是为了模拟雨后天晴被检物体的温度分布状态,因此所述的预处理过程是:首先对被检物体区域上方模拟下雨情景充分浇水,浇水的程度取决于每次发生渗漏情况的雨量;然后对被检物体区域进行局部加热;对于雨后情况的检测省略浇水过程,这样使得被检物体的表面温度分布随着渗漏而发生改变;如果对于雨后天晴的情况就可以免去上述所述的预处理过程;
在雨后24小时是对渗漏检测目标区域进行热像拍摄的最佳时间,如果长期不下雨可对被检物体区域上方模拟下雨情景充分浇水后进行拍摄,如果对建筑物顶层检测屋顶洒水效果将会更佳。对内墙进行拍摄时使用加热装置对内墙进行局部加热可提高渗漏区域表面温度对比度,有助于提高后续计算准确度。红外成像装置是利用红外探测器和光学成像物镜接受被测目标的红外辐射能量分布图形反映到红外探测器的光敏元件上,从而获得热像图如图2a)所示,这种红外热成像图与物体表面的热分布场相对应。
所述的微处理器包括硬件和软件两个部分,硬件部分采用一般市售的PC机。软件部分包括:主要包括红外热成像图像获取单元、红外热成像图像预处理单元和渗漏定量检测单元,其处理流程如图3所示。
红外热成像图像获取单元,用于通过USB接口读取红外摄像装置所拍摄的被检物体的红外热像图,并将读取的红外热像图提交给红外热成像图像预处理单元;
红外热成像图像预处理单元,将针对红外热成像图像存在对比度低、边界模糊、存在干扰噪声等缺点进行初步预处理得到初步增强的红外热成像图像,然后对该初步增强红外热成像图像进行区域初步分割,得到红外热成像图像上疑似不同渗漏源引起渗漏影响局部区域,并保存于区域队列供后续运算;
渗漏定量检测单元,从区域对象中取出一个疑似单一渗漏源所影响范围红外热成像图像进行渗漏量化,计算得到渗漏源准确位置以及对渗漏影响程度进行量化处理。
红外热成像图像预处理单元,如图4所示,具体分为以下5个步骤:
P1,步骤1):温度值-灰度值映射变换,渗漏检测过程中需要使用到的是红外热成像图像中的各点温度信息,针对渗漏检测而言,红外热成像图像是伪彩色图像,需要进行温度值-灰度值映射变换,以灰度值图像表现,图像上各点灰度值对应相应温度值;
P2,步骤2):低通滤波去噪,红外热成像图像相对于普通可见光图像存在多噪声缺点,需要将噪声去除后得到较理想灰度值图像;红外热成像图像相对于普通可见光图像存在着多噪声缺点,如图2b)所示,通过去噪声处理后可以得到较理想图像,如图2c)所示;
本发明中采用低通滤波方式去除灰度值图像上的噪声点;具体实现步骤是:步骤I):对灰度值图像进行傅立叶变换,将空域图像变换到频域;步骤II):设计低通滤波器,采用巴特沃斯低通滤波器,其低通滤波特性如图9所示,低通滤波器公式(1)所示,进行相乘滤波;步骤III):采用傅立叶逆变换,将滤波后的频域图像转换到空域;
式中,D0是截至频率距原点的距离,D(u,v)是(u,v)点距频率矩形中心点距离;这里将把H(u,v)开始小于其最大值的一定比例的点当作其截止频率点,本发明中选择H(u,v)为0.5。
P3,步骤3):对比度增强,在得到较理想温度灰度图像上,是将该红外热成像图像上温度最低值和温度最高值为温度区间将255级灰度值映射过去,由于某几个错误像素温度值导致整体温度区间扩大,造成真正需要关注的检测温度区间所占比例较小,使得不能很好在检测温度区间内进行计算,因此对比度增强是指将图像中不关注的温度区间缩小至一个合理的温度区间,将关注温度区间内灰度值差异化拉升,便于后续计算;
为了较准确的定位渗漏源区域,考虑到渗漏检测时,渗漏区域主要集中在温度较低区域,这里采用对比度增强的方式将低温区温度差拉伸,具体做法是采用一种对数变换方法来扩展图像的低灰度范围,同时压缩高灰度范围;对于一幅最高温度为Tmax和最低温度为Tmin的红外热成像图,其温度变换区域为[Tmin,Tmax],在宽区间内较小的温差将被淹没,很难准确的被定位检测出来;若渗漏周围温度的范围为[T min0,T max0],那么就存在着Tmin<Tmin0<Tmax0<Tmax关系,通过公式(2)所示的非线性灰度变换的对数变换,变换后的图像使得渗漏周围温度的温差范围得以扩展,非渗漏区域的温差范围得以压缩;
式中,f(u,v)代表温度值修正前值,g(u,v)为温度修正后的值,参数a控制曲线上下偏移量,参数b控制曲线的弯曲程度;选择合适的参数使得相对低温区的差距得到扩展,同时抑制非渗漏区域高温区的差距扩大化,选择参数a=50,b=0.05。非线性灰度变换的对数变换结果如图8所示,通过这样的变换在疑似渗漏区域的温差范围得到了较大的扩展。
P4,步骤4):轮廓提取,对温度范围修正后的灰度值图像进行边界轮廓提取,以便进行连通域提取与标记;为了完整地提取出整个渗漏源区域,采用轮廓提取算法进行渗漏源区域轮廓的提取,具体算法描述如下:首先对对比度增强后的图像进行二值化,这里采用自适应方式确定参数;其次遍历二值图像,确定一个非零点为轮廓前驱点,循环查找其八连通区域内与该点同值的点后确定为轮廓后继点,以此继续进行,同时需要对轮廓线相交、相切和重叠等特殊情况做处理;最后对相邻连通区域进行拼接。
P5,步骤5):连通域提取,对灰度值图像上疑似渗漏点影响范围进行连通域填充提取,消除该范围内的少数空洞。具体做法是:在整体热像图中标记提取渗漏点影响范围区域图像,放入区域队列中,到此疑似单一渗漏点影响区域表面热像图将一个一个存在队列中,接下来进行渗漏定量检测单元中。
渗漏定量检测单元主要包括:形态学判断模块、温度判断模块、温度梯度判断模块、渗漏点量化模块和多渗漏点分离模块。计算流程如图5所示;首先在存在队列中逐一取出单一渗漏点影响范围图像进入渗漏定量检测单元进行计算;
在所述的形态学判断模块中,首先对单一渗漏点影响范围区域进行面积统计,然后根据形态学进行非渗漏点排除,即初步缩小渗漏点所在位置范围。墙体渗漏考虑墙体受重力和张力影响,水会由渗漏点向外层层的泛开,如图6a)所示。然而存在重力和墙体粘结力,不能简单的把水分最集中的地方当作渗漏点,况且渗漏整体过程很难被全部拍摄,需要找出渗漏点具体位置还需要后续计算。在图6a)的渗漏模型中,半径最小椭圆区域为渗漏点所在,有渗漏点向外,水分的扩散造成温度的梯度扩散,我们在热像图中有温度信息找出水分扩散。形态学判断模块后由图6a)计算后得到图6b),进一步缩小渗漏点检索范围,同时为后面模块计算排除了渗漏区域外围积水造成的计算干扰。形态学判断模块的处理结果同时提交给温度判断模块和温度梯度判断模块进行处理。
在所述的温度判断模块中,如在图6b)中寻找温度最低值集中区域,所述的温度判断模块中使用的具体算法如下:遍历图6b),对坐标(u,v)点做温度加权求和操作如公式(3)所示,
式中,f(u,v)为疑似渗漏区域图像,ψ(i,j)为权重系数,s(u,v)加权求和结果;
此处,考虑水分在重力影响下,向下扩散能力较向上扩散能力大,温度低值会由渗漏源点向下蔓延趋势,所以,ψ(i,j)当j>0时取1/j,当j<0时取值-1/2j,当j=0取1。在图6b)中搜索s(u,v)最小值区域定义为该判断算法输出结果。
在所述的温度梯度判断模块中,对在图6b)所示渗漏点周围区域图像存在有水分梯度加热后引起的温度梯度,水分和墙体的导热能力和比热容都存在差异,故水分多少可在热像图上以温度梯度的形式表现出来。如图7a)所示,温度梯度以闭合等温线的形式描述,对等温线可计算在某些角度上的法线,多条等温线的多法线将会大致相交于渗漏点区域,利用该原理,温度梯度模块得到等温线法线相对集中区域为渗漏点所在位置,如图7b)所示。
在温度梯度计算模块中用图7a)所示椭圆模型来表示图6b)所示渗漏区域,水分的扩散导致墙体渗漏源附近区域表面温度以一定梯度规则扩散。所述的温度梯度计算模块使用等值线算法得到多条等温线,针对每一条等温线计算其多条法线,如图7b)所示,对法线相交最集中区域进行统计,判定法线相交最集中点为渗漏源;最后所述的基于红外热成像图像处理的渗漏源检测装置输出检测结果报告,检测结果报告内容包括:是否存在多渗漏点、渗漏点区域坐标、渗漏程度;渗漏程度指标包括:温度梯度密集度、渗漏点区域水分和渗漏影响区域面积;如果检测出在某一小区域内存在多渗漏点,则需要进一步进行多渗漏点分离计算;多渗漏点处理,如果在所述的渗漏点量化模块对于队列中的一个局部小区域计算得到小区域存在多个渗漏点情况时,逐一对这些渗漏点进行标记。
上述检测方法同样适用于容器泄漏的检测。
Claims (4)
1.一种基于红外热成像图像处理的渗漏源检测装置,其特征在于:所述基于红外热成像图像处理的渗漏源检测装置,包括红外摄像装置和用于对红外摄像装置所拍摄的墙体或者容器红外热成像图像进行预处理,并判断是否发生渗漏点以及分析处理渗漏区域和程度的微处理器;
所述的微处理器包括:
红外热成像图像获取单元,用于通过USB接口读取红外摄像装置所拍摄的被检物体的红外热像图,并将读取的红外热像图提交给红外热成像图像预处理单元;
红外热成像图像预处理单元,用于将红外热成像图像进行初步预处理得到初步增强的红外热成像图像,然后对该初步增强红外热成像图像进行区域初步分割,得到红外热成像图像上疑似不同渗漏源引起渗漏影响局部区域,并保存于区域队列供后续运算;
渗漏定量检测单元,用于从区域队列中取出一个疑似单一渗漏源所影响范围红外热成像图像进行渗漏量化,计算得到渗漏源准确位置以及对渗漏影响程度进行量化处理,所述渗漏定量检测单元包括:形态学分析模块,用于缩小渗漏源的检测范围,进行渗漏源的粗定位;温度梯度判断模块,用于准确定位渗漏源的位置;
在所述的形态学判断模块中,首先对单一渗漏点影响范围区域进行面积统计,然后根据形态学进行非渗漏点排除,在渗漏模型中,半径最小椭圆区域为渗漏点所在,有渗漏点向外,水分的扩散造成温度的梯度扩散,在红外热成像图像图中有温度信息找出水分扩散;
在所述的温度梯度计算模块中,使用等值线算法得到多条等温线;针对每一条等温线计算其多条法线,对法线相交最集中区域进行统计,判定法线相交最集中点为渗漏源;
所述渗漏定量检测单元包括:检测结果输出单元,用于输出检测结果报告,检测结果报告内容包括:是否存在多渗漏点、渗漏点区域坐标、渗漏程度;渗漏程度指标包括:温度梯度密集度、渗漏点区域水分和渗漏影响区域面积;
在所述的温度梯度计算模块中,如果检测出在某一小区域内存在多渗漏点,则需要进一步进行多渗漏点分离计算;多渗漏点处理,如果在所述的渗漏点量化模块对于队列中的一个局部小区域计算得到小区域存在多个渗漏点情况时,逐一对这些渗漏点进行标记;
所述的红外热成像图像预处理单元,预处理过程如下;
步骤1):温度值-灰度值映射变换,对红外热成像图像进行温度值-灰度值映射变换,以灰度值图像表现,图像上各点灰度值对应相应温度值;步骤2):低通滤波去噪;步骤3):对比度增强;步骤4):轮廓提取,对温度范围修正后的灰度值图像进行边界轮廓提取,以便进行连通域提取与标记;步骤5):连通域提取,对灰度值图像上疑似单一渗漏点影响范围进行连通域填充提取,消除该范围内的少数空洞;
所述的红外热成像图像预处理单元,采用轮廓提取算法进行渗漏源区域轮廓的提取,具体算法描述如下:首先对对比度增强后的图像进行二值化,这里采用自适应方式确定参数;其次遍历二值图像,确定一个非零点为轮廓前驱点,循环查找其八连通区域内与该点同值的点后确定为轮廓后继点,以此继续进行,同时需要对轮廓线相交、相切和重叠的特殊情况做处理;最后对相邻连通区域进行拼接;
所述的红外热成像图像预处理单元,低通滤波去噪的过程如下:步骤2.1):对灰度值图像进行傅立叶变换,将空域图像变换到频域图像;步骤2.2):设计低通滤波器,采用巴特沃斯低通滤波器,低通滤波器公式(1)所示,进行相乘滤波;步骤2.3):采用傅立叶逆变换,将滤波后的频域图像转换到空域图像;
式中,D0是截至频率距原点的距离,D(u,v)是(u,v)点距频率矩形中心点距离;这里将把H(u,v)开始小于其最大值的一定比例的点当作其截止频率点,选择H(u,v)为0.5;
所述的红外热成像图像预处理单元,对比度增强的方式将低温区温度差拉伸,具体做法是采用对数变换方法来扩展图像的低灰度范围,同时压缩高灰度范围;对于一幅最高温度为Tmax和最低温度为Tmin的红外热成像图,其温度变换区域为[Tmin,Tmax],在宽区间内较小的温差将被淹没,很难准确的被定位检测出来;若渗漏周围温度的范围为[Tmin0,Tmax0],那么就存在着Tmin<Tmin0<Tmax0<Tmax关系,通过公式(2)所示的非线性灰度变换的对数变换,变换后的图像使得渗漏周围温度的温差范围得以扩展,非渗漏区域的温差范围得以压缩;
式中,f(u,v)代表温度值修正前值,g(u,v)为温度修正后的值,参数a控制曲线上下偏移量,参数b控制曲线的弯曲程度;选择合适的参数使得相对低温区的差距得到拉伸,同时抑制非渗漏区域高温区的差距扩大化,选择参数a=50,b=0.05。
2.如权利要求1所述的基于红外热成像图像处理的渗漏源检测装置,其特征在于:所述的红外热成像图像预处理单元,在初步预处理后进行区域初步分割,在整体红外热成像图像中标记提取单一渗漏点影响范围区域图像,放入区域队列中,到此疑似单一渗漏点影响区域表面红外热成像图像将一个一个存在队列中,接下来进行渗漏定量检测。
3.如权利要求2所述的基于红外热成像图像处理的渗漏源检测装置,其特征在于:所述红外成像装置用于接收目标物体表面热辐射红外波,并转化为电压信号同时以相应彩色值显示在红外热成像图像上,红外摄像装置可手持或安装在摄像支架上,对被检物体进行拍摄得到红外热成像图像,通过红外热成像图像处理获得墙体的表面温度分布信息。
4.如权利要求3所述的基于红外热成像图像处理的渗漏源检测装置,其特征在于:在拍摄红外热成像图像前需要对被检物体进行预处理,过程是:首先对被检物体区域上方模拟下雨情景充分浇水;然后对被检物体区域进行局部加热。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210104535.4A CN102636313B (zh) | 2012-04-11 | 2012-04-11 | 基于红外热成像图像处理的渗漏源检测装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210104535.4A CN102636313B (zh) | 2012-04-11 | 2012-04-11 | 基于红外热成像图像处理的渗漏源检测装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102636313A CN102636313A (zh) | 2012-08-15 |
CN102636313B true CN102636313B (zh) | 2014-12-03 |
Family
ID=46620794
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210104535.4A Active CN102636313B (zh) | 2012-04-11 | 2012-04-11 | 基于红外热成像图像处理的渗漏源检测装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102636313B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109642846A (zh) * | 2016-08-31 | 2019-04-16 | 前视红外系统股份公司 | 指示场景中的气体移动的方法 |
Families Citing this family (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2014146222A1 (zh) * | 2013-03-21 | 2014-09-25 | 山东省计算中心 | 基于红外图像的建筑热工指标的自动检测方法 |
CN103439056B (zh) * | 2013-08-13 | 2015-09-23 | 安徽工程大学 | 一种纸杯在线检漏装置及其控制方法 |
CN103712059B (zh) * | 2013-11-29 | 2016-01-20 | 中国海洋石油总公司 | 液化天然气储罐泄漏区域定位方法 |
CN103699141B (zh) * | 2013-12-13 | 2016-05-18 | 天津大学 | 液化天然气储罐热成像监测用热像仪调整与定位方法 |
CN103882891B (zh) * | 2014-01-16 | 2016-06-08 | 同济大学 | 利用红外热场快速预测地下连续墙侧壁渗漏的方法 |
CN103912791B (zh) * | 2014-01-26 | 2016-05-04 | 清华大学深圳研究生院 | 地下管网泄漏探测方法 |
CN104677576A (zh) * | 2015-02-09 | 2015-06-03 | 中国计量学院 | 一种红外热成像低温省煤器检漏装置 |
CN106802215A (zh) * | 2015-11-20 | 2017-06-06 | 沈阳新松机器人自动化股份有限公司 | 一种水管漏水检测装置及检测方法 |
CN105445607B (zh) * | 2015-11-20 | 2018-05-29 | 国网福建省电力有限公司泉州供电公司 | 一种基于等温线绘制的电力设备故障检测方法 |
CN105447471A (zh) * | 2015-12-04 | 2016-03-30 | 国网技术学院 | 基于红外检测的设备气体泄漏识别方法和装置 |
CN105352963A (zh) * | 2015-12-07 | 2016-02-24 | 福州大学 | 判别建筑物外墙构件稳定性的装置及其使用方法 |
CN106017423B (zh) * | 2016-06-28 | 2019-03-19 | 罗兰 | 既有建筑幕墙分隔定位检测系统及检测方法 |
CN106370694A (zh) * | 2016-09-30 | 2017-02-01 | 杭州公科路桥技术有限公司 | 预应力管道压浆密实度检测系统及方法 |
CN106290471A (zh) * | 2016-09-30 | 2017-01-04 | 杭州公科路桥技术有限公司 | 用于无损检测桥梁混凝土结构缺陷的系统及方法 |
CN106500925B (zh) * | 2016-10-25 | 2018-09-11 | 云南电网有限责任公司电力科学研究院 | 一种gis设备气体泄漏的检测系统、装置及方法 |
EP3533027B1 (en) * | 2016-10-28 | 2021-04-14 | Koninklijke Philips N.V. | Automatic ct detection and visualization of active bleeding and blood extravasation |
CN106768659B (zh) * | 2016-11-24 | 2019-10-11 | 西北大学 | 一种非接触式气体泄漏检测系统 |
CN106706216B (zh) * | 2016-12-12 | 2019-05-10 | 清华大学 | 一种高于环境温度的气体泄漏的非接触检测方法 |
WO2018122589A1 (zh) * | 2016-12-30 | 2018-07-05 | 同济大学 | 一种基于红外热像图分析的沥青路面裂缝发育程度检测方法 |
CN106768646A (zh) * | 2017-01-09 | 2017-05-31 | 珠海安维特工程检测有限公司 | 一种建筑屋面系统渗漏检测方法 |
CN106885653A (zh) * | 2017-01-09 | 2017-06-23 | 珠海安维特工程检测有限公司 | 建筑屋面系统渗漏检测方法 |
CN106845434B (zh) * | 2017-02-09 | 2020-05-05 | 东华大学 | 一种基于支持向量机的图像型机房漏水监测方法 |
CN107121238A (zh) * | 2017-05-12 | 2017-09-01 | 上海电力学院 | 一种用于高温气体管道的高处气体泄漏检测方法 |
CN107490455A (zh) * | 2017-09-13 | 2017-12-19 | 长江勘测规划设计研究有限责任公司 | 基于温感成像的土石坝渗漏实时监测装置及监测方法 |
SG11202004708VA (en) * | 2018-01-04 | 2020-06-29 | Smartclean Technologies Pte Ltd | System and method for non-contact wetness detection using thermal sensing |
CN108490030B (zh) * | 2018-03-30 | 2021-03-23 | 吉林建筑大学 | 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 |
CN108827972A (zh) * | 2018-06-14 | 2018-11-16 | 江苏方建质量鉴定检测有限公司 | 采用主动热源热红外成像检测外墙缺陷方法及检测系统 |
CN109488888B (zh) * | 2018-11-06 | 2020-07-17 | 沈阳天眼智云信息科技有限公司 | 基于对红外温度场多元分析的金属管道泄漏监测方法 |
CN109520671B (zh) * | 2018-11-22 | 2021-02-19 | 南京工业大学 | 基于红外热成像技术的冷热风渗透量定量测量方法 |
CN109816656B (zh) * | 2019-02-01 | 2023-06-20 | 辽宁工程技术大学 | 一种火电厂负压侧系统漏点精确定位方法 |
CN109974950B (zh) * | 2019-05-10 | 2021-02-05 | 青岛理工大学 | 一种建筑空气渗透部位快速检测方法及系统 |
CN110307953A (zh) * | 2019-07-16 | 2019-10-08 | 南京晨光集团有限责任公司 | 一种用于换热器的红外热成像自动检漏装置 |
CN110529186B (zh) * | 2019-09-11 | 2021-03-30 | 上海同岩土木工程科技股份有限公司 | 基于红外热成像的隧道结构渗漏水精确识别装置和方法 |
CN111122053B (zh) * | 2020-01-03 | 2021-05-11 | 水利部交通运输部国家能源局南京水利科学研究院 | 小型水库坝体早期非稳定渗漏的检测装置与方法 |
CN111413343A (zh) * | 2020-03-17 | 2020-07-14 | 电子科技大学 | 一种红外探测装置及其操作方法 |
CN111640117B (zh) * | 2020-06-03 | 2024-03-05 | 四川正大新材料科技有限公司 | 一种寻找建筑物渗漏源位置的方法 |
CN111749286A (zh) * | 2020-06-16 | 2020-10-09 | 中国环境科学研究院 | 渗漏检测装置 |
CN112101365A (zh) * | 2020-09-10 | 2020-12-18 | 国网辽宁省电力有限公司电力科学研究院 | 基于红外热像处理的电力设备关键特征提取方法及系统 |
US11976549B2 (en) | 2020-09-21 | 2024-05-07 | Saudi Arabian Oil Company | Monitoring temperatures of a process heater |
CN112284619B (zh) * | 2020-11-06 | 2022-10-14 | 重庆大唐国际彭水水电开发有限公司 | 一种漏油实时监测装置和检测方法 |
CN112834401A (zh) * | 2020-12-22 | 2021-05-25 | 中建四局土木工程有限公司 | 基于红外技术的快速预测地下连续墙侧壁渗漏的方法 |
CN112903197B (zh) * | 2021-01-20 | 2023-04-18 | 龙岩市富鑫达电子制造有限公司 | 一种电缆防水检测系统 |
CN113034854A (zh) * | 2021-03-06 | 2021-06-25 | 杭州自动桌信息技术有限公司 | 一种堤坝渗漏点智能识别报警方法、系统及存储介质 |
CN113203375A (zh) * | 2021-04-07 | 2021-08-03 | 同济大学 | 一种基于热成像的榫卯节点内部尺寸检测系统和方法 |
CN113592863B (zh) * | 2021-09-28 | 2021-11-30 | 南通市德信致远环境科技有限公司 | 基于图像处理的城市道路积水检测方法及系统 |
CN113834607B (zh) * | 2021-11-29 | 2022-03-04 | 广东省有色工业建筑质量检测站有限公司 | 外墙淋水数据处理方法与装置 |
CN114332147B (zh) * | 2021-12-30 | 2023-01-24 | 合肥的卢深视科技有限公司 | 散斑图预处理的方法、装置、电子设备和存储介质 |
CN114689246B (zh) * | 2022-03-23 | 2023-11-14 | 江苏希尔登家居有限公司 | 基于机器视觉的幕墙门窗气密性能评价方法及系统 |
CN114972757A (zh) * | 2022-05-31 | 2022-08-30 | 山东大学 | 一种隧道渗漏水区域识别方法及系统 |
CN115406934A (zh) * | 2022-08-26 | 2022-11-29 | 山东大学 | 红外热像仪参数可调的隧道渗漏水检测方法、系统及装置 |
CN115598178B (zh) * | 2022-12-14 | 2023-05-05 | 天津思睿信息技术有限公司 | 一种建筑物墙体空鼓缺陷的红外线检测方法及系统 |
CN116205910B (zh) * | 2023-04-27 | 2023-07-14 | 四川省港奇电子有限公司 | 一种电源适配器用注塑温度自适应学习调控系统 |
CN116433668B (zh) * | 2023-06-14 | 2023-09-12 | 东营孚瑞特能源设备有限公司 | 一种智能液压油管漏油检测方法 |
CN117450413B (zh) * | 2023-12-25 | 2024-03-15 | 江西铜业集团铜板带有限公司 | 一种铜板带冷轧机的机油渗漏检测方法 |
CN117805933B (zh) * | 2024-03-02 | 2024-05-10 | 宝航环境修复有限公司 | 地下水污染源渗漏排查方法、系统、装置及存储介质 |
CN117949143B (zh) * | 2024-03-26 | 2024-07-02 | 四川名人居门窗有限公司 | 一种门窗渗漏检测及反馈系统及方法 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1991324A (zh) * | 2005-12-28 | 2007-07-04 | 陈乃克 | 一种利用红外成像技术检测密封物体泄漏的方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006030101A (ja) * | 2004-07-21 | 2006-02-02 | Just | 雨漏り浸入箇所探査方法 |
-
2012
- 2012-04-11 CN CN201210104535.4A patent/CN102636313B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1991324A (zh) * | 2005-12-28 | 2007-07-04 | 陈乃克 | 一种利用红外成像技术检测密封物体泄漏的方法 |
Non-Patent Citations (3)
Title |
---|
基于数字图像技术的结构裂缝参数分析;朱耀耀 等;《混凝土》;20081231(第7期);正文第22-24页 * |
红外无损检测的缺陷识别与定位系统的开发;李大鹏 等;《中国舰船研究》;20060430;第1卷(第2期);正文第53-56页 * |
红外热成像技术在建筑物检测中的应用研究;杨燕萍 等;《浙江建筑》;20111130;第28卷(第11期);正文第21-26页 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109642846A (zh) * | 2016-08-31 | 2019-04-16 | 前视红外系统股份公司 | 指示场景中的气体移动的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN102636313A (zh) | 2012-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102636313B (zh) | 基于红外热成像图像处理的渗漏源检测装置 | |
Dawood et al. | Machine vision-based model for spalling detection and quantification in subway networks | |
Atef et al. | Multi-tier method using infrared photography and GPR to detect and locate water leaks | |
Dabous et al. | Concrete bridge deck condition assessment using IR Thermography and Ground Penetrating Radar technologies | |
Li et al. | Long-distance precision inspection method for bridge cracks with image processing | |
US20230154037A1 (en) | Method for detecting leakage of water supply pipe based on ground-penetrating radar three-dimensional image attribute analysis | |
WO2021174857A1 (zh) | 沥青路面水损害识别模型构建方法、识别方法及系统 | |
CN103076338B (zh) | 高铁接触网棒式绝缘子不良状态检测的快速模糊匹配方法 | |
Li et al. | Deep learning-based pavement subsurface distress detection via ground penetrating radar data | |
CN105389814A (zh) | 一种用于气密性试验的气泡检测方法 | |
CN2819239Y (zh) | 红外埋地管道探测装置 | |
CN105115873A (zh) | 混凝土抗渗性的无损检测方法 | |
Poudel et al. | Wavelet transformation of mode shape difference function for structural damage location identification | |
Sultan et al. | A pixel-by-pixel reliability analysis of infrared thermography (IRT) for the detection of subsurface delamination | |
CN105547602A (zh) | 一种地铁隧道管片渗漏水的远距离测量方法 | |
Yang et al. | Applying image recording and identification for measuring water stages to prevent flood hazards | |
CN110889327A (zh) | 一种基于热红外图像的水域周边排污口智能检测方法 | |
CN106225702A (zh) | 裂缝宽度检测装置和方法 | |
Son et al. | A fast high-resolution vibration measurement method based on vision technology for structures | |
CN115751203A (zh) | 一种基于红外热像仪的天然气管道泄漏监测系统 | |
Mizutani et al. | Quantitative evaluation of peeling and delamination on infrastructure surfaces by laser signal and image processing of 3D point cloud data | |
Al Gharawi et al. | A framework for automated time-lapse thermography data processing | |
Yanliang et al. | Research of pavement crack detection system based on image processing | |
Ma et al. | A new method for separation of 2D incident and reflected waves by the Morlet wavelet transform | |
Guo et al. | Detection and classification of pipe defects based on pipe-extended feature pyramid network |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |