详细内容或原文请订阅后点击阅览
机器学习辅助热成像技术用于建筑热损失检测
图片来源：Passivhaus Institut，CC BY-SA 3.0，通过 Wikimedia Commons。滑铁卢大学的研究人员开发了一种新方法，可以显著节省建筑物的能源。研究团队确定了多单元住宅建筑中的 28 个主要热损失区域，其中最严重的区域位于墙壁交叉处和窗户周围。建筑 […]
来源:ΑΙhub图片来源：Passivhaus Institut，CC BY-SA 3.0，通过 Wikimedia Commons。
图片来源：Passivhaus Institut，CC BY-SA 3.0，通过 Wikimedia Commons。滑铁卢大学的研究人员开发了一种新方法，可以显著节省建筑物的能源。该团队确定了多单元住宅建筑中的 28 个主要热损失区域，其中最严重的区域是墙壁交叉处和窗户周围。
建筑围护结构依靠热量和湿度控制来避免由于气流泄漏而导致的大量能量损失，这会使建筑物不太舒适且维护成本更高。由于温度波动剧烈，气候变化可能会加剧这一问题。由于缺乏训练有素的人员，人工检查耗时且很少进行，因此能源效率低下成为建筑物的普遍问题。
滑铁卢的研究人员创建了一个自主的实时平台，以提高建筑物的能源效率。该平台结合了深度学习方法、红外技术和量化热流的数学模型，以更好地识别建筑物中热量损失的区域。
研究人员利用新方法对加拿大大草原极端气候下的一栋多单元住宅楼进行了高级研究，那里的老年居民报告称，由于其单元的供暖需求增加，他们感到不适，电费也更高。 该团队使用机器学习工具训练程序实时检查热图像，在检测建筑围护结构中热量损失区域方面实现了 81% 的准确率。
与传统的建筑检查方法相比，新的 AI 工具有助于消除检查结果中的人为错误因素，并将数据分析速度提高了 12 倍。
这项工作的未来扩展将包括利用配备摄像头的无人机检查高层建筑。
参考
Ali Waqas 和 Mohamad T. Araji标签：
,
关注联合国可持续发展目标