基于紅外熱像法的磚墻面風化識別方法研究★

呂 威，王 珅，吳婧姝，朱紅光

(1.中國礦業大學(北京)力學與建筑工程學院，北京 100083； 2.中冶建筑研究總院有限公司，北京 100088)

我國現存的歷史保護建筑多為磚木結構，是近代民用建筑典型結構形式[1]。由于經年累月的風吹日曬雨淋以及地震影響、人為作用等因素，歷史文物建筑的砌體墻表面普遍存在風化、缺損、裂縫等缺陷。文物保護勘查和安全評估工作中常常需要對這些缺陷的范圍和程度進行檢測和評價。

歷史文物建筑具有唯一性和不可再生性，根據文物保護的“最小干預原則”，文物建筑的安全性檢測應盡可能采用無損或微損的檢測手段。紅外檢測技術是一種非接觸性的檢測技術，目前應用范圍較廣，但在歷史文物建筑勘查和安全評估中的應用場景尚不明確。國內外對紅外檢測技術在歷史建筑缺陷檢測方面的研究已有不少[2-7]。Y.Yamano等探索了紅外熱成像技術在崖壁時刻文物檢測應用的可行性，并利用紅外熱像儀對崖壁片落病害進行了檢測。2010年，吳育華等利用紅外熱像儀對廣西花山巖畫的病害進行了檢測[8]。2016年，劉一等提出了一種基于紅外圖像的建筑物外墻裂縫檢測方法[9]，該方法可以對此缺陷進行定量分析。現有的文獻沒有對歷史建筑的磚砌墻體風化在紅外檢測中的溫度分布規律和變化特征方面進行研究，且對墻體缺損的程度在紅外角度的體現沒有細致的研究。

基于紅外檢測技術的非接觸性和易操作性，將其應用于勘查和評判歷史文物建筑磚砌墻體的風化范圍和程度，對各類缺陷進行有效識別具有巨大的技術前景。因此開展對歷史文物建筑磚砌墻體在紅外條件下的表面溫度分布特征這類基礎性研究是十分有必要的。本文對實際現場試驗案例的觀測數據進行分析，研究缺陷部位墻面在紅外條件下的溫度分布特征，提出一種墻面風化表面的識別方法，為紅外檢測技術在歷史文物建筑缺陷勘查和評估的后續研究、設備研發和實際工程應用提供參考。

1 紅外熱像法識別風化缺陷的原理

1.1 紅外熱成像的基本原理

任何高于絕對零度(-273 ℃)的物體都會發出熱輻射，當溫度較低時，熱輻射以不可見的紅外光形式進行傳播，借助紅外熱像儀進行探測后，可將電磁波信號轉換為電信號，并以紅外熱像圖的形式將物體表面的溫度分布情況呈現出來[10]。

被檢測物表面受到熱輻射作用后，溫度升高。在材料均勻的區域，材料的熱學特性相近，溫度升高的值大致相等；當物體表面發生了一系列的物理、化學變化，導致該區域的材料發生劣化，材料均勻度下降，導熱系數、密度、平均比熱容發生變化，在相同強度的外部激勵熱源的作用下，物體表面溫度變化也呈現出不均勻性。

1.2 墻體表面風化部位的傳熱原理

熱傳導過程是一個復雜的過程，由于組成材料復雜、傳導過程非穩態、工況復雜，熱傳導方程的求解變得極其繁雜。王永茂等[11]對實際問題進行了簡化，將三維傳熱問題簡化為一維勻質平板的熱傳導，得出了平面表面溫度隨時間變化的解析式，該式表明同一平面在太陽輻射的作用下，溫差來源于平面不同部分的材料導熱系數、熱擴散系數的不同。

磚墻的風化往往會使得墻磚表面出現酥化現象，表面結構疏松多孔。在這樣的表層結構中存在大量的空氣，由于空氣的導熱系數及密度極低，因此使得風化表面的平均導熱系數、熱擴散率及比熱容低于正常表面，在同樣的熱荷載作用下，風化表面的溫度理論上更高。利用紅外熱像法對風化區域進行識別具有可行性。

2 風化磚墻的溫度分布特征研究

2.1 實驗對象及方法

北大人民醫院白塔寺院區的前身是北京中央醫院，始建于1918年，位于西城區阜成門內大街133號，現為北京市西城區文物保護單位。該建筑的結構形式為磚混結構，磚墻承重，磚墻由青磚+白灰砂漿砌筑。本次選取的試驗對象為該院主樓西側外墻，外墻表面有抹灰，墻面局部抹灰脫落，抹灰脫落處外露青磚表面存在不同程度的風化、粉化現象，這一現象在歷史文物建筑中普遍存在。如圖1所示為墻面現狀。

實驗時天氣晴朗，太陽輻射強度較大，墻面受熱充分。在距離目標區域5 m距離架設紅外熱像儀，對墻面進行精確對焦、調節適當的測溫范圍后進行拍攝，同時記錄環境濕度、溫度。

測試儀器為InfReC R550，紅外波長范圍8 μm～14 μm；測量溫度范圍：-40 ℃～650 ℃；溫度分辨率：0.025 ℃；測量精度：±1 ℃；分辨率：640×480像素。該設備符合JGJ/T 277—2012紅外熱像法檢測建筑外墻飾面粘結質量技術規程[12]規定的建筑用紅外熱像儀技術參數。

2.2 實驗結果

2.2.1 風化區域與完好區域紅外熱像對比

經現場檢查，實驗墻面包括抹面完好區域、抹面脫落外露磚墻風化區域，且外露區域的風化程度不盡相同。如圖2，圖3所示為含風化墻面的紅外熱像圖與可見光圖的對照。

通過紅外熱像圖與可見光圖的對照，磚墻外露區域和抹灰起皮疏松區域處于高溫狀態，而抹灰完好處始終處于低溫狀態,初步確定風化墻面的溫度分布特征，初步判定風化區域處于高溫區，正常墻面處于低溫區。

將所得紅外熱像數據用NS9500 Standard軟件進行后處理，選取圖2和圖3中的典型區域進行溫度提取，取墻體中含風化表面的局部區域若干，提取出該區域內的各項溫度信息,各項信息如表1所示。

表1 典型區域的溫度信息

在墻體上從上到下等距取8個抹面完好的區域面積，提取相應的溫度信息作為對比，如表2所示。

表2 正常區域的溫度信息

表1，表2中的數據表明，含風化表面的區域最高溫度范圍為35.58 ℃～37.40 ℃，平均溫度的范圍為32.63 ℃～34.52 ℃；正常區域最高溫度范圍33.72 ℃～34.72 ℃，平均溫度的范圍為31.91 ℃～33.10 ℃，由此可以看出，風化表面的存在普遍提高了局部區域的溫度，與理論分析的結果一致。

2.2.2 風化缺陷識別的溫度閾值

在后處理軟件中，將紅外熱像圖和可見光圖進行配準后，我們用多邊形工具選取實際的風化表面，軟件可以計算出所選范圍的像素數，然后調節透明度和顯示溫度的最低閾值，當風化表面基本被彩色覆蓋時，以該最低溫度閾值作為風化識別的最佳識別溫度。如圖4所示為風化表面選區及調整溫度閾值后的對比圖。

按照這一判定方法，我們對上述8個含風化表面的區域進行最佳識別溫度的選取，選取結果如表3所示。

表3 風化選區最佳識別溫度及識別率

表3中數據顯示，本文提到的利用最佳識別溫度作為風化區域的識別溫度閾值的識別率大多數在90%以上，識別效果良好。

2.3 溫度閾值的計算方法

從紅外熱像圖中我們可以很容易地獲得目標區域的溫度最值、平均值，可以通過現有的數據獲取風化表面識別的最佳溫度閾值。從2.2節我們已經知道，同一區域內，風化表面的溫度高于正常表面，風化表面在區域內的占比、風化程度會影響區域的溫度最值、平均值；同時，風化表面的不同同樣影響溫度閾值的選擇。因此我們認為溫度閾值的選擇與區域的溫度最值、平均值有一定的聯系。下面利用Origin數據分析軟件對溫度閾值與最值、平均值進行Pearson相關性分析。適用于Pearson相關性分析的數據需服從于正態分布，各項數據在顯著性為5%水平下的正態分布檢驗結果如表4所示。

表4 溫度數據正態性檢驗

通過正態性檢驗結果可知，各項數據在顯著性水平為5%時是服從于正態分布的，因此可對其進行Pearson相關性分析，顯著性水平為5%。分析結果如表5所示。

表5 Pearson相關性分析結果

根據分析結果可以看出，在顯著性5%水平下，溫度閾值與區域的平均溫度呈強相關性，相關系數為0.911。因此，利用區域的平均溫度求得溫度閾值具有可行性。

我們以平均溫度為自變量、溫度閾值為因變量分別進行線性擬合和二次多項式擬合，擬合結果如圖5所示。

從擬合優度來看，二次多項式擬合的效果更佳。由擬合曲線得出的平均溫度與溫度閾值之間的關系為：

在選取含風化表面的區域后，可以利用該公式計算區域內風化的面積及所占比例，為墻面的風化程度評判提供數據支撐。

3 風化表面的識別與評估

在2.3節中，我們得出了識別含風化表面區域內風化缺陷的溫度閾值計算公式。給定一個溫度矩陣，計算出區域的平均溫度。將平均溫度代入溫度閾值計算公式得到給定區域的閾值，利用閾值分割法進行圖像分割：

進行閾值分割后的二值圖像中，白色區域表示風化表面，黑色區域為非風化表面。

下面利用本文方法對墻面的風化區進行識別。在實驗墻面選取10個隨機大小的含風化表面的區域，根據可見光圖統計各區域內實際風化表面的大小，并計算風化面積的占比，然后利用基于本文閾值計算的圖像分割方法，得到風化表面的識別圖像，同時計算識別的風化表面面積及占比，并得出識別準確率。

如圖6，圖7所示為墻面選區及其風化表面圖像分割結果。

通過上面的二值圖像，我們很容易觀察出風化面積的大小和邊界。除此之外，利用圖像分割后的數據可以對風化面積進行定量分析，如表6所示為實際風化面積與通過計算溫度閾值識別出的風化面積，并得出本文方法的識別準確率。

表6 識別準確性驗證

根據識別結果可知，利用本文方法識別風化表面面積的準確率在90%以上，識別效果良好。

4 結論

本文通過理論分析和現場試驗，可以得出以下結論：

1)在同樣的太陽輻射條件下，風化磚表面酥化，結構疏松多孔，磚體的導熱性能和比熱容顯著降低，因此風化磚表面與正常區域存在較大的溫差，利用紅外熱像法對風化區域進行識別具有可行性。

2)利用現場試驗數據，分析含風化表面的區域溫度分布特征與最佳識別溫度之間的規律，提出根據區域的平均溫度推算識別風化表面溫度閾值的經驗公式：

3)對比一定區域內實際的風化面積與識別的風化面積，驗證了經驗公式計算所得溫度閾值對風化表面識別的準確性。結果表明，根據本文方法識別風化表面的準確率在90%以上，有良好的識別效果。