基于红外热像法的砖墙面风化识别方法研究★

吕 威，王 珅，吴婧姝，朱红光

(1.中国矿业大学(北京)力学与建筑工程学院，北京 100083； 2.中冶建筑研究总院有限公司，北京 100088)

我国现存的历史保护建筑多为砖木结构，是近代民用建筑典型结构形式[1]。由于经年累月的风吹日晒雨淋以及地震影响、人为作用等因素，历史文物建筑的砌体墙表面普遍存在风化、缺损、裂缝等缺陷。文物保护勘查和安全评估工作中常常需要对这些缺陷的范围和程度进行检测和评价。

历史文物建筑具有唯一性和不可再生性，根据文物保护的“最小干预原则”，文物建筑的安全性检测应尽可能采用无损或微损的检测手段。红外检测技术是一种非接触性的检测技术，目前应用范围较广，但在历史文物建筑勘查和安全评估中的应用场景尚不明确。国内外对红外检测技术在历史建筑缺陷检测方面的研究已有不少[2-7]。Y.Yamano等探索了红外热成像技术在崖壁时刻文物检测应用的可行性，并利用红外热像仪对崖壁片落病害进行了检测。2010年，吴育华等利用红外热像仪对广西花山岩画的病害进行了检测[8]。2016年，刘一等提出了一种基于红外图像的建筑物外墙裂缝检测方法[9]，该方法可以对此缺陷进行定量分析。现有的文献没有对历史建筑的砖砌墙体风化在红外检测中的温度分布规律和变化特征方面进行研究，且对墙体缺损的程度在红外角度的体现没有细致的研究。

基于红外检测技术的非接触性和易操作性，将其应用于勘查和评判历史文物建筑砖砌墙体的风化范围和程度，对各类缺陷进行有效识别具有巨大的技术前景。因此开展对历史文物建筑砖砌墙体在红外条件下的表面温度分布特征这类基础性研究是十分有必要的。本文对实际现场试验案例的观测数据进行分析，研究缺陷部位墙面在红外条件下的温度分布特征，提出一种墙面风化表面的识别方法，为红外检测技术在历史文物建筑缺陷勘查和评估的后续研究、设备研发和实际工程应用提供参考。

1 红外热像法识别风化缺陷的原理

1.1 红外热成像的基本原理

任何高于绝对零度(-273 ℃)的物体都会发出热辐射，当温度较低时，热辐射以不可见的红外光形式进行传播，借助红外热像仪进行探测后，可将电磁波信号转换为电信号，并以红外热像图的形式将物体表面的温度分布情况呈现出来[10]。

被检测物表面受到热辐射作用后，温度升高。在材料均匀的区域，材料的热学特性相近，温度升高的值大致相等；当物体表面发生了一系列的物理、化学变化，导致该区域的材料发生劣化，材料均匀度下降，导热系数、密度、平均比热容发生变化，在相同强度的外部激励热源的作用下，物体表面温度变化也呈现出不均匀性。

1.2 墙体表面风化部位的传热原理

热传导过程是一个复杂的过程，由于组成材料复杂、传导过程非稳态、工况复杂，热传导方程的求解变得极其繁杂。王永茂等[11]对实际问题进行了简化，将三维传热问题简化为一维匀质平板的热传导，得出了平面表面温度随时间变化的解析式，该式表明同一平面在太阳辐射的作用下，温差来源于平面不同部分的材料导热系数、热扩散系数的不同。

砖墙的风化往往会使得墙砖表面出现酥化现象，表面结构疏松多孔。在这样的表层结构中存在大量的空气，由于空气的导热系数及密度极低，因此使得风化表面的平均导热系数、热扩散率及比热容低于正常表面，在同样的热荷载作用下，风化表面的温度理论上更高。利用红外热像法对风化区域进行识别具有可行性。

2 风化砖墙的温度分布特征研究

2.1 实验对象及方法

北大人民医院白塔寺院区的前身是北京中央医院，始建于1918年，位于西城区阜成门内大街133号，现为北京市西城区文物保护单位。该建筑的结构形式为砖混结构，砖墙承重，砖墙由青砖+白灰砂浆砌筑。本次选取的试验对象为该院主楼西侧外墙，外墙表面有抹灰，墙面局部抹灰脱落，抹灰脱落处外露青砖表面存在不同程度的风化、粉化现象，这一现象在历史文物建筑中普遍存在。如图1所示为墙面现状。

实验时天气晴朗，太阳辐射强度较大，墙面受热充分。在距离目标区域5 m距离架设红外热像仪，对墙面进行精确对焦、调节适当的测温范围后进行拍摄，同时记录环境湿度、温度。

测试仪器为InfReC R550，红外波长范围8 μm～14 μm；测量温度范围：-40 ℃～650 ℃；温度分辨率：0.025 ℃；测量精度：±1 ℃；分辨率：640×480像素。该设备符合JGJ/T 277—2012红外热像法检测建筑外墙饰面粘结质量技术规程[12]规定的建筑用红外热像仪技术参数。

2.2 实验结果

2.2.1 风化区域与完好区域红外热像对比

经现场检查，实验墙面包括抹面完好区域、抹面脱落外露砖墙风化区域，且外露区域的风化程度不尽相同。如图2，图3所示为含风化墙面的红外热像图与可见光图的对照。

通过红外热像图与可见光图的对照，砖墙外露区域和抹灰起皮疏松区域处于高温状态，而抹灰完好处始终处于低温状态,初步确定风化墙面的温度分布特征，初步判定风化区域处于高温区，正常墙面处于低温区。

将所得红外热像数据用NS9500 Standard软件进行后处理，选取图2和图3中的典型区域进行温度提取，取墙体中含风化表面的局部区域若干，提取出该区域内的各项温度信息,各项信息如表1所示。

表1 典型区域的温度信息

在墙体上从上到下等距取8个抹面完好的区域面积，提取相应的温度信息作为对比，如表2所示。

表2 正常区域的温度信息

表1，表2中的数据表明，含风化表面的区域最高温度范围为35.58 ℃～37.40 ℃，平均温度的范围为32.63 ℃～34.52 ℃；正常区域最高温度范围33.72 ℃～34.72 ℃，平均温度的范围为31.91 ℃～33.10 ℃，由此可以看出，风化表面的存在普遍提高了局部区域的温度，与理论分析的结果一致。

2.2.2 风化缺陷识别的温度阈值

在后处理软件中，将红外热像图和可见光图进行配准后，我们用多边形工具选取实际的风化表面，软件可以计算出所选范围的像素数，然后调节透明度和显示温度的最低阈值，当风化表面基本被彩色覆盖时，以该最低温度阈值作为风化识别的最佳识别温度。如图4所示为风化表面选区及调整温度阈值后的对比图。

按照这一判定方法，我们对上述8个含风化表面的区域进行最佳识别温度的选取，选取结果如表3所示。

表3 风化选区最佳识别温度及识别率

表3中数据显示，本文提到的利用最佳识别温度作为风化区域的识别温度阈值的识别率大多数在90%以上，识别效果良好。

2.3 温度阈值的计算方法

从红外热像图中我们可以很容易地获得目标区域的温度最值、平均值，可以通过现有的数据获取风化表面识别的最佳温度阈值。从2.2节我们已经知道，同一区域内，风化表面的温度高于正常表面，风化表面在区域内的占比、风化程度会影响区域的温度最值、平均值；同时，风化表面的不同同样影响温度阈值的选择。因此我们认为温度阈值的选择与区域的温度最值、平均值有一定的联系。下面利用Origin数据分析软件对温度阈值与最值、平均值进行Pearson相关性分析。适用于Pearson相关性分析的数据需服从于正态分布，各项数据在显著性为5%水平下的正态分布检验结果如表4所示。

表4 温度数据正态性检验

通过正态性检验结果可知，各项数据在显著性水平为5%时是服从于正态分布的，因此可对其进行Pearson相关性分析，显著性水平为5%。分析结果如表5所示。

表5 Pearson相关性分析结果

根据分析结果可以看出，在显著性5%水平下，温度阈值与区域的平均温度呈强相关性，相关系数为0.911。因此，利用区域的平均温度求得温度阈值具有可行性。

我们以平均温度为自变量、温度阈值为因变量分别进行线性拟合和二次多项式拟合，拟合结果如图5所示。

从拟合优度来看，二次多项式拟合的效果更佳。由拟合曲线得出的平均温度与温度阈值之间的关系为：

在选取含风化表面的区域后，可以利用该公式计算区域内风化的面积及所占比例，为墙面的风化程度评判提供数据支撑。

3 风化表面的识别与评估

在2.3节中，我们得出了识别含风化表面区域内风化缺陷的温度阈值计算公式。给定一个温度矩阵，计算出区域的平均温度。将平均温度代入温度阈值计算公式得到给定区域的阈值，利用阈值分割法进行图像分割：

进行阈值分割后的二值图像中，白色区域表示风化表面，黑色区域为非风化表面。

下面利用本文方法对墙面的风化区进行识别。在实验墙面选取10个随机大小的含风化表面的区域，根据可见光图统计各区域内实际风化表面的大小，并计算风化面积的占比，然后利用基于本文阈值计算的图像分割方法，得到风化表面的识别图像，同时计算识别的风化表面面积及占比，并得出识别准确率。

如图6，图7所示为墙面选区及其风化表面图像分割结果。

通过上面的二值图像，我们很容易观察出风化面积的大小和边界。除此之外，利用图像分割后的数据可以对风化面积进行定量分析，如表6所示为实际风化面积与通过计算温度阈值识别出的风化面积，并得出本文方法的识别准确率。

表6 识别准确性验证

根据识别结果可知，利用本文方法识别风化表面面积的准确率在90%以上，识别效果良好。

4 结论

本文通过理论分析和现场试验，可以得出以下结论：

1)在同样的太阳辐射条件下，风化砖表面酥化，结构疏松多孔，砖体的导热性能和比热容显著降低，因此风化砖表面与正常区域存在较大的温差，利用红外热像法对风化区域进行识别具有可行性。

2)利用现场试验数据，分析含风化表面的区域温度分布特征与最佳识别温度之间的规律，提出根据区域的平均温度推算识别风化表面温度阈值的经验公式：

3)对比一定区域内实际的风化面积与识别的风化面积，验证了经验公式计算所得温度阈值对风化表面识别的准确性。结果表明，根据本文方法识别风化表面的准确率在90%以上，有良好的识别效果。