基于CIM-建筑三维热红外模型库的高热损失建筑感知方法

我国北方建筑采暖能耗在全国建筑运行总能耗中占比较大,在城市更新大背景下,既有建筑的节能改造势在必行,是实现“双碳”目标的关键环节。不同建筑的能耗和室内环境存在显著的差异,使用传统的围护结构热工性能检测方法很难对一定区域内的既有建筑群开展热工性能诊治工作,大规模开展既有建筑节能改造工作时,缺乏科学和量化的筛查方法以确定不同建筑进行节能改造的优先级及节能改造潜力。借助无人机红外热像技术,研究城市信息模型(CIM)-建筑三维热红外模型库的搭建方法,并基于此提出采暖建筑高热损失的快速筛查方法,为既有建筑节能改造项目的确定提供理论依据,有利于实现对既有采暖建筑运行热损失的精细化和动态化管理。

基于无人机多光谱与热红外数据的冬小麦土壤水分反演

引入植被覆盖度会在一定程度上提高土壤水分反演模型的精度,但大多数研究均基于归一化植被指数NDVI估算植被覆盖度,未深入研究基于其他植被指数估算植被覆盖度对模型的影响。为此,以河南省驻马店市西平县人和乡冬小麦部分种植区域为实验区,基于分辨率高、机动性强的无人机平台搭载多光谱与热红外成像仪开展冬小麦覆盖地表的土壤水分反演研究,探究引入不同植被覆盖度参数后模型精度的变化,并弥补基于卫星遥感影像的土壤水分监测分辨率低、时效性差的不足。基于随机森林算法,将温度植被干旱指数TVDI、垂直干旱指数PDI两种干旱指数分别与7种植被指数估算的植被覆盖度参数耦合搭建土壤水分反演模型,并根据最优模型的反演结果对实验区的土壤水分空间分布情况进行分析。同时,建立耦合TVDI与PDI指数、不引入植被覆盖度的土壤水分反演模型TP模型为对照组。结果表明:在0~10 cm和>10~20 cm深度时,TP模型的决定系数R^(2)分别为0.606、0.670,均方根误差RMSE分别为0.045、0.041。7种引入植被覆盖度的模型精度较TP模型精度均有一定程度的提升,其中最优模型TPOSAVI的R^(2)较TP模型分别提高0.143、0.158,RMSE分别降低0.7百分点、0.8百分点。基于干旱指数引入植被覆盖度能够提高模型精度,且不同植被覆盖度参数对模型精度的提升程度有差异。

基于YOLOv7道路交通热红外图像目标检测算法

热红外图像具有分辨率低、高噪声、空间相关性强的特点。为解决道路交通红外目标检测算法存在的检测精度低、漏检和误检等问题,提出一种改进YOLOv7的算法。将主干网络原有的ELAN模块替换成ELAN-P模块,降低模型的参数量和计算量,使模型更加轻量化,增强对红外目标的提取能力;在主干网络和颈部网络引入CA注意力机制,将坐标信息嵌入到通道中,增强对模糊目标和密集目标的定位能力;将原有的CIoU损失函数替换成WIoU损失函数,提高对遮挡目标和弱小目标的检测精度。在中国热红外数据集CTIR上实验表明,改进算法相较于YOLOv7算法,参数量和计算量分别减少11.6百分点和19.5百分点,检测精度mAP值提高了3.1百分点,其中Car、Pedestrian、Cyclist、Bus和Truck五个类别的检测结果AP值分别提高了1.9百分点、1.9百分点、1.5百分点、4.9百分点和5.3百分点,检测性能有所提升。在公开数据集FLIR上进行泛化性对比实验,结果表明改进算法具有通用性。

基于主动热红外成像的马铃薯与杂质分类方法

为解决入库马铃薯中石块、土块等杂质剔除的问题,提出一种基于主动热红外成像的马铃薯与杂质分类方法。建立基于集总参数法的马铃薯和杂质的传热模型,获得影响受热效果与导致温度差异的因素为材料热物性、风速、风向角度、风温;利用有限元法分析马铃薯和杂质在外部热风激励下的热像图,马铃薯表面温度显著高于石块与土块,并对风速、风向角度、风温分别进行四水平单因素仿真试验,得出马铃薯与杂质的表面温度差异大小在一定时间内与风速、风向角度和风温呈非线性正相关。在试验平台上对马铃薯和杂质进行分类试验,结果表明:最佳图像识别处理条件为风速4 m/s、风温为40℃、风向角度为90°,识别成功率为97%。为马铃薯收获—仓储过程中除杂提供技术参考。

基于光照感知和特征增强的可见光-热红外图像语义分割

在智能光电设备中,基于人工智能的可见光-热红外(Red Greed Blue-Thermal, RGB-T)图像语义分割任务可以广泛应用于自动驾驶、无人机航拍、视频监控等。图像的光照信息能在一定程度上反映场景中图像局部区域信息的可靠性,利用光照先验信息有助于进一步提高语义分割的性能。基于此,提出一种基于光照感知和特征增强的RGB-T图像语义分割模型,通过挖掘光照先验信息并结合注意力机制,引导网络在多模态图像特征融合过程中更加关注可靠信息的提取,同时抑制干扰信息的引入。实验在MFNet数据集上与最新的12种方法进行了比较,相比于性能第2的模型,mAcc提高了5.4%,mIoU提高了1.0%。所提网络模型能够获得更准确的分割结果,并通过定性定量实验验证所提模型及各个模块的有效性。

融合无人机多光谱和热红外影像的蔗田土壤含水率监测研究

甘蔗作为广西、云南等地的主要农作物,极易受到干旱的影响。土壤含水率是评估甘蔗是否受到干旱影响的重要指标。以蔗田土壤含水率为研究对象,利用无人机搭载的热红外和多光谱传感器数据计算出甘蔗冠层的温度、重归一化植被指数RDVI等植被指数,采用人工测定的方法对无人机监测数据进行校正和率定,构建了甘蔗的温度植被干旱指数(TVDI)模型。结果表明,利用多光谱和热红外传感器计算的TVDI与蔗田苗期、分蘖期、伸长期和成熟期土壤含水率均具有高度相关性,决定系数R2分别为0.9066、0.8190、0.8529和0.9160。因此,TVDI模型最适合用于监测甘蔗苗期和成熟期的受旱情况。

基于热红外图像的船舶电气设备状态异常检测研究

可靠掌握电气设备的运行状态,是保证船舶安全航行的基础。因此,提出基于热红外图像的船舶电气设备状态异常检测方法。该方法依据红外成像技术获取船舶电气设备成像,获取其热红外图像结果,并计算电气设备温度概率密度函数,以此描述电气设备的温度分布特征。将该概率密度函数计算结果输入具备增量学习的宽度学习算法中,完成船舶电气设备不同异常状态检测。测试结果显示,将温度概率密度作为电气设备状态异常检测依据,能够更好地区分电气设备的正常放热以及故障升温;AUC的测试结果均在0.94以上,可确定电气设备运行过程中的不同程度异常状态。

基于甘肃积石山6.2级和日本能登7.6级地震前热红外现象的均线差值增强比法的异常提取能力分析

2023年12月18日甘肃省积石山县发生6.2级、2024年1月1日日本能登发生7.6级地震,两次地震间隔时间较短,均造成较多的人员伤亡和巨大的财产损失,引起地震界的高度关注。运用均线差值振幅增强比法分析发现,这两次地震前均存在显著热红外异常:积石山地震前约110~90天,长波辐射热红外活跃性水平高于历史平均水平1.5~5倍;日本能登地震前约140~100天,热红外活跃性水平高于历史平均水平3~4倍。以上现象再次证明了强震前存在热红外异常现象,也从侧面说明了均线差值振幅增强比法具有较强的热红外异常提取能力。

基于改进YOLO v5s模型的奶山羊乳房区域热红外图像检测方法

奶山羊乳房区域的准确提取是奶山羊非侵入式体温检测的关键,但受乳房区域遮挡及热红外图像分辨率不高等因素影响,其检测精度尚待进一步提升。基于热红外成像技术,提出了一种基于改进YOLO v5s的奶山羊乳房关键部位检测方法。通过将原模型Backbone网络的部分卷积模块替换为ShuffleNetV2结构,以达到降低网络部署和训练过程中的参数量、实现轻量化网络设计的目的。通过在Neck网络检测头(Head)前端引入CBAM注意力机制,以达到在降低网络复杂程度的同时保证奶山羊乳房区域检测精度的目的。本研究采集了包含完整信息、残缺信息和边缘模糊的孕期奶山羊乳房红外图像4611幅,并在部位标注后进行模型训练。经测试,模型精确率为93.7%,召回率为86.1%,平均精度均值为92.4%,参数量为8×105,浮点运算量为1.9×109。与YOLO v5n、YOLO v5s、YOLO v7-tiny、YOLO v7、YOLO v8n和YOLO v8s目标检测网络相比,网络的精确率分别提高1.9、1.2、1.6、4.3、3.5、2.7个百分点,召回率提高3.4、5.0、0.1、2.6、0.9、1.5个百分点,参数量降低1.1×106、6.2×106、5.2×106、3.6×107、2.4×106和1.0×107,浮点运算量降低2.6×109、1.4×1010、1.1×1010、1.0×1011、6.8×109和2.7×1010。试验结果表明,本研究所提出的网络可以实现奶山羊乳房关键部位的精确检测,且在不损失检测精度的基础上显著降低网络的参数量,有利于网络在不同环境下的部署和使用,可为奶山羊非接触式体温监测系统设计提供借鉴。

基于无人机热红外遥感图像提取滴灌棉花冠层温度及精度评价

【目的】提高基于热红外遥感图像滴灌棉花冠层温度提取精度,为棉花水分状况精准监测提供技术支撑。【方法】以不同水分处理的苗期、蕾期棉花为研究对象,利用无人机获取试验小区热红外遥感图像,使用便携式手持测温仪测量田间辐射校正板及水桶中的水温,对热红外影像进行温度校正。采用Otsu算法、Canny边缘检测算法对热红外遥感图像进行掩膜处理剔除土壤背景,通过波段运算提取棉花冠层温度,绘制棉花冠层温度频率直方图并对其进行优化。利用便携式手持测温仪同步测量棉花冠层温度,与提取的冠层温度进行一致性分析,验证热红外遥感图像提取棉花冠层温度的精度。【结果】Canny边缘检测算法剔除土壤背景提取冠层图像准确率大于Otsu算法(91.90%>82.52%、92.76%>80.60%),剔除土壤背景效果最优。Otsu算法和Canny边缘检测算法剔除土壤背景后构建的冠层温度直方图均呈偏态分布,但Canny边缘检测算法剔除土壤背景后构建的冠层温度直方图形状比Otsu算法光滑,噪声少,并且Canny边缘检测算法2年冠层平均温度最低(29.95、30.54℃),与实测温度差值最小(2.78、3.43℃)。去除Canny边缘检测算法的温度直方图两端1%温度信息后,提取的冠层温度与实测温度相关性最高(2年试验r由0.88、0.93提高到了0.94、0.95),RMSE最低(2年RMSE由2.78、2.87℃下降到1.59、1.43℃)。【结论】Canny边缘检测算法提高了无人机热红外遥感图像棉花冠层温度提取精度,且温度直方图两端1%温度优化后有助于提高棉花冠层温度提取精度。

基于多时相热红外遥感的理塘盆地地热资源探测

地热能是地球内部一种环保、可再生的地下热能,热量传导至地表会引起地表温度异常。然而,地表温度受到太阳辐射、周期性变化和降水等诸多因素的影响,可能掩盖由地热引起的温度异常。为了解决这些问题并突出地热引起的地表温度异常,文中提出了一种利用Google Earth Engine(GEE)高效快速计算多时相冬季平均地表温度并提取地热异常的方法,并对理塘盆地的地热资源分布特征进行了研究。该方法综合运用多时相冬季平均地表温度对比分析、水体剔除、地形效应抑制等手段来提取地热异常区。结果表明,文中确定的8处地热异常区与断裂构造关系密切,且区内水资源丰富,具备地热资源形成的良好条件,可以作为未来地热勘探的重点方向。研究认为,在高原恶劣环境中,利用多时相平均冬季地表温度识别地热异常是一种高效且经济的方法。

不同含水率对磷块岩热红外辐射特征的影响研究

为探究不同含水率磷块岩的热红外辐射特征,分别对烘干磷块岩、天然含水磷块岩和饱水磷块岩进行单轴加载试验,分析不同含水率磷块岩的受力特性、破坏特征和红外辐射特征。结果表明:磷块岩含水率越高,在失稳前红外辐射的升温幅度越大,含水率越低,升温幅度越小;磷块岩红外前兆异常显示,临近破裂前会出现短暂降温现象,含水率越高,降温幅度越小,含水率越低,降温幅度越大;磷块岩在最终破裂瞬间会发生红外辐射温度突升,含水率越低,突变值越大,含水率越高,突变值越小。

无人机热红外影像快速拼接的改进SFM算法研究

无人机热红外成像技术在场景监控、物体识别等领域应用广泛,但是该影像具有分辨率低、倾角大、画幅小等缺点,因此无人机热红外影像拼接比较困难。本文提出了一种改进SFM(运动恢复结构)的无人机热红外影像的快速拼接算法(FastSFM)。FastSFM利用无人机热红外影像序列具有的时空顺序性,采用串联式影像匹配代替整体影像两两匹配,再根据稀疏矩阵的特性对Levenberg-Marquardt光束法平差方法进行优化,利用线性公式代替矩阵运算,从而提高拼接效率。通过实地采集影像数据进行了SFM和FastSFM拼接对比实验,20张热红外影像拼接时间从521 s提高到39 s,50张红外影像拼接时间从3 102 s提高到58 s,且拼接精度也有一定提高。结果表明,FastSFM能够实现无人机热红外影像的快速拼接。

西藏知不拉矽卡岩铜多金属矿床石榴子石热红外光谱特征及其找矿指示意义

近年来,蚀变矿物的光谱和原位成分特征已成为找矿勘查的重要指标之一,如石榴子石的热红外光谱与矽卡岩矿床的Cu富集有关,但对于石榴子石的热红外光谱、颜色及其与成分的关系还不清楚。位于西藏冈底斯成矿带的知不拉矽卡岩铜多金属矿床普遍发育不同颜色的石榴子石,是探讨热红外光谱特征及其找矿指示意义的理想对象。本文对该矿区石榴子石开展了热红外光谱分析、颜色定量分析、能谱分析和X射线荧光光谱仪分析。结果显示,石榴子石端元成分以钙铁-钙铝榴石为主,石榴子石发育3种颜色,为褐红色、黄绿色和绿色,色相值范围为49~106。Fe、Al含量的变化是引起石榴子石热红外光谱主吸收谷位置移动(11200~11600 nm)的最主要因素,石榴子石主吸收谷波长与Fe含量呈正相关关系,与Al含量呈负相关关系。研究表明,石榴子石热红外光谱主吸收谷波长大于11500 nm可以作为知不拉铜矿化的热红外光谱勘查标识。

基于无人机NDVI和热红外图像的城市植被分类研究

植被覆盖已成为促进城市更新、城市规划、环境和景观美化等的重要决策信息。NDVI是通过结合红光和近红外波段来计算植被指数的方法,目前应用较为广泛。研究发现,单独使用无人机多光谱图像计算NDVI来对植被进行分类存在一个问题,即篮球场和防水涂层屋顶等涂有聚氨酯的区域被误分类为植被区域。为解决该问题,使用无人机热红外图像分析目标地点的温度特征,并将温度信息与NDVI相结合来计算植被面积。与仅使用NDVI分析的kappa系数0.830相比,结合NDVI和热红外图像分析的kappa系数为0.934。因此,在城市地区结合NDVI和热红外图像来对植被分类是非常有效的。

热红外遥感技术在新疆和田地热资源调查中的应用

随着勘探技术不断发展,当前地热资源产业体系基本形成,地热资源得到广泛应用。可以利用遥感解译、地质调查、物探、化探等技术方法手段,查明重点研究区地层结构、构造、地热异常区的空间分布,分析地热形成的背景条件,圈定地热勘查靶区。利用热红外遥感技术可以快速、高效、大尺度地识别地表温度异常区。该方法不仅受地面条件限制小,且信息量大、检测精度高,探测高效、低成本的圈定地表温度异常靶区具有重要的指导意义。

浅埋火区无人机热红外监测温度补偿方法

我国西北地区具有煤层厚度大、埋藏浅等特点,无人机热红外监测与温度补偿是浅埋煤火灾害信息监测的关键技术,对推进煤自燃灾害安全监测与影响范围预警评价有着重要意义。针对复杂环境下多参数对热红外温度监测结果的影响,提出了一种基于灰狼优化—双层广义回归网络与连续高度修正函数相结合的温度补偿模型。基于热红外装置中大气消光系数对接收辐射对比度的影响,选取热红外监测波段下影响温度结果的多种因素,并通过主成分分析法确定累计能够表征实际温度的指标因子,以多种环境下的无人机热红外监测实验中指标因子数据为GWO-双层GRNN网络输入,得到训练完成的离散温度补偿模型,并提出无人机高度的连续修正函数作为模型输入待补偿数据的前置流程,最后将完整温度补偿模型进行了试验与现场验证。结果表明,GWO-双层GRNN网络在数据测试中,离散补偿效果优于其他模型,达到了平均绝对误差≤0.0081、均方根误差≤0.0132、决定系数≥0.9969,表明该模型具有良好的补偿效果;连续修正函数避免了无人机高度对热红外监测结果的影响,将无人机连续高度热红外温度回归问题划分为阶跃式回归计算,且最终模型具有良好的监测精度,提高了温度补偿模型的泛化能力。为应用无人机热红外监测结果划分浅埋煤火危险区域提供了配套计算方法,可进一步将该方法推广至对应的无人机应用与激光监测行业。

基于PCA-超效率DEA的目标热红外伪装效果评价研究

为解决目标热红外伪装效果评价过程中主观性过强、量化分析不全面等问题,通过分析目标热红外暴露征候,综合提取了温度、纹理、形状及统计等4类一级指标,并细分多个二级指标,建立了热红外伪装效果评价指标体系,引入超效率数据包络分析(DEA)模型对目标热红外伪装效果进行充分评价。针对评价指标集关联性大的情况,运用主成分分析(PCA)法对指标数据降维处理得到相互独立的主成分因子,通过超效率DEA模型进行计算并排序,解决了因指标信息重叠而使得部分评估结果存在偏差的问题。利用PCA-超效率DEA模型,对目标在不同时间及背景下的热红外伪装效果案例进行评价,结果表明,该算法对热红外伪装效果评价更为客观、准确。

2023年积石山6.2级地震热红外异常研究

应用卫星遥感数据,采用相对功率谱法和均线差值振幅增强比法,提取甘肃积石山6.2级地震前的热红外信息。结果表明,震前存在显著的热红外异常现象。相对功率谱法提取到的热红外异常现象分为两个阶段:(1)在2023年10月以托莱山断裂和冷龙岭断裂交汇处为核心区,出现了沿北东向展布的热红外异常(功率谱最高值超过8);(2)在2023年11月,冷龙岭断裂和金强河断裂交汇处至日月山断裂和拉脊山断裂交汇处出现了较弱的热红外异常(功率谱最高值不到7),异常的空间演化逐步向震中靠近。均线差值振幅增强比法的计算结果显示出背景性异常的特征,9月在祁连山中东至甘东南段出现了显著的长波辐射异常,两种热红外异常提取方法的结果起到了互相佐证的作用。

基于弱监督表示学习的热红外目标跟踪

由于热红外成像技术具有更强的穿透雾、霾、雨、雪的能力,在恶劣天气条件下的成像效果几乎不受影响,使得基于热红外图像的目标跟踪任务越来越被研究者重视。针对基于卷积神经网络的热红外目标跟踪算法在模型训练过程中需要的带有标签的数据不足的问题,提出了一种基于弱监督表示学习的方法,利用少量的标签数据及大量的无标签数据进行模型训练,从而用于热红外目标跟踪任务。首先,利用主动学习的指导在大量无标签的数据中挑选最具有代表性的训练样本;然后,给定每个样本序列的首帧目标的真实标签,利用基础跟踪器生成该序列中其他图像帧中目标的伪标签;之后,利用带有真实标签和伪标签的训练数据进行模型训练;最后,利用训练好的模型在热红外目标跟踪算法测试数据集上进行模型测试。实验结果表明:该方法可以在减少模型训练对标签数据需求的同时保证跟踪器的准确性。