文档名：基于卷积神经网络的热工缺陷快速识别方法研究
建筑外墙热工缺陷对建筑能耗存在较大影响,是建筑节能检测的一项重要内容.目前国家现行相关标准中推荐的采用红外热像仪检测和评价方法存在工作量大、误差大及漏检率高等问题.本文提出一种基于卷积神经网络(CNN)的深度学习算法,将外保温居住建筑墙体的红外图像中分割出的四种温度异常区域,包括保温层缺失开裂、热桥、窗、正常墙体作为训练集对卷积神经网络进行训练.结果证明这种方法可以通过直接输入温度异常区域红外图像实现建筑热工缺陷红外图像的自动分类和识别,且有较高的准确率,为建筑施工验收、节能检测及既有建筑排查中热工缺陷检测提供了一种快速有效的方法.
作者：陈崇一展长虹陈琳李光皓
作者单位：哈尔滨工业大学建筑学院/黑龙江省寒地建筑科学重点实验室,哈尔滨150001
母体文献：中国建筑学会第十三届建筑物理学术大会论文集
会议名称：中国建筑学会第十三届建筑物理学术大会
会议时间：2018年11月1日
会议地点：西安
主办单位：中国建筑学会
语种：chi
分类号：TP3TP1
关键词：建筑外墙 热工缺陷 节能检测 卷积神经网络 深度学习
在线出版日期：2021年8月24日
基金项目：
相似文献
相关博文
- 文件大小:
- 846.33 KB
- 下载次数:
- 60
-
高速下载
|
|
