Termografía IR a partir de UAVs para monitorizar anomalías térmicas en cerramientos de bodegas tradicionales: prueba de campo.

Juan Ortiz-Sanz 1, Mariluz Gil-Docampo1 , Marcos Arza-García1, * e Ignacio Cañas-Guerrero 2

1 Departamento de Ingeniería Agroforestal, Universidad de Santiago de Compostela (USC), Escuela Politécnica Superior de Ingeniería (Lugo), 27002, España.             

2 Departamento de Ingeniería Agroforestal, Universidad Politécnica de Madrid (UPM), Escuela de Ingeniería Agrícola, Alimentaria y de Biosistemas (Madrid), 28040, España.             

* Correspondencia: m.arza@usc.es             

Resumen: Las técnicas de termografía infrarroja (IRT) para la inspección de edificios se están volviendo cada vez más populares como métodos no destructivos que proporcionan información valiosa sobre la temperatura de la superficie (ST) y el contraste ST (delta-T). Con la disponibilidad de las cámaras térmicas montadas en vehículos aéreos no tripulados (UAV), la tecnología IRT ahora está dotada de una mayor flexibilidad desde una perspectiva aérea para el estudio de la construcción de cerramientos. Se aplica sobre una bodega  del Noroeste de España como caso de estudio y se utiliza para evaluar la capacidad y fiabilidad de baja altitud del IRT pasivo en la evaluación de un típico edificio semienterrado. El estudio evalúa comparativamente el uso de una cámara FLIR B335 montada en pértiga y una cámara FLIR Vue Pro R montada en dron para este propósito. Ambos sistemas IRT probados demuestran una buena efectividad en la detección de anomalías térmicas (p. Ej., Puentes térmicos, fugas de aire, singularidades constructivas y humedad en las paredes del sótano), pero plantean algunas dificultades para realizar mediciones precisas de ST en condiciones reales de funcionamiento. Trabajar con UAV brinda una gran flexibilidad para la inspección, pero el ángulo de visión influye fuertemente en los datos radiométricos capturados y debe tenerse en cuenta para evitar perturbaciones debido a reflexiones especulares.

Palabras clave: Dron, inspección térmica, fugas de calor, bodega, puentes térmicos, termografía infrarroja, maduración del vino, UAS.

1. Introducción

La temperatura influye en casi todos los pasos de la producción de vino, comenzando con el cultivo de la uva [1] , pero es particularmente importante para varias reacciones involucradas en el proceso de maduración del vino [2,3] . Dado que muchas de estas reacciones son de naturaleza fisicoquímica, pueden acelerarse con altas temperaturas [4,5]. En general, ignorando las singularidades de cada variedad de vino, para reducir las pérdidas de vino y evitar el envejecimiento rápido y la pérdida de calidad, los vinos deben almacenarse a una temperatura ambiente de aire frío (AAT). La calidad final del vino puede controlarse con mayor precisión utilizando el método de monitoreo AAT dentro de las salas de envejecimiento [6] o incluso sensores integrados dentro de barriles de vino [7] .

La introducción de modernos sistemas de enfriamiento en la industria del vino ha permitido que se produzcan excelentes vinos en casi cualquier parte del mundo, con un alto grado de independencia del clima circundante. Sin embargo, el uso de energía durante la producción de vino todavía representa un alto porcentaje de la electricidad total utilizada por la bodega [8] . Muchos estudios destacan algunas ventajas de las bodegas tradicionales sobre las prácticas modernas de construcción desde el punto de vista del ahorro de energía [9,10] . Las estrategias bioclimáticas de estos edificios abarcan el manejo adecuado de la inercia térmica (frecuentemente mediante el uso de estructuras enterradas o semienterradas, que se benefician de la alta inercia térmica del suelo ) [11] , en la mayoría de los casos junto con una orientación adecuada y adecuada ventilación natural [12] . Las nuevas estrategias globales y directivas energéticas para lograr edificios de energía casi nula han vuelto a valorar muchos de estos edificios tradicionales para la vinificación.

Sin embargo, los materiales podrían no funcionar como se esperaba, y es bastante común encontrar desajustes entre el rendimiento previsto y el real en los edificios [13-17] . Por esta razón, los puentes térmicos, componentes esenciales de la pérdida de calor de la transmisión, deben evaluarse adecuadamente dentro de los procedimientos de auditoría energética. En ese sentido, las técnicas basadas en termografía infrarroja (IRT) se han vuelto cada vez más populares en los últimos años debido a sus resultados rápidamente obtenidos y confiables en la inspección de envolventes y su naturaleza no invasiva [18-21] .

2 Un breve resumen de los temas clave de IRT             

2.1 IRT en inspección de edificios             

En el contexto general de los edificios, la termografía se ha utilizado principalmente para investigar aspectos de la envolvente del edificio [22-24] . En tales aplicaciones, un sensor IRT puede usarse efectivamente para evaluar la distribución de temperatura a través de las superficies de cierre interiores o exteriores, es decir, techos y paredes [25] . Se han implementado ampliamente dos enfoques diferentes de inspección de envolventes utilizando IRT: pasivo y activo. En la termografía pasiva, la temperatura de la superficie (ST) se registra sin ninguna estimulación térmica externa, ya que el objeto en sí mismo actúa como una fuente térmica. En contraste, la IRT activa utiliza un estímulo de calor externo para aumentar el contraste térmico (delta-T). Por esta razón, la segunda opción (activa) podría ser más efectiva para detectar infiltraciones de aire [26,27]. Sin embargo, la necesidad de intervención artificial generalmente plantea desafíos prácticos para la implementación en el campo. Además, las variables ambientales también pueden interferir con los flujos térmicos inducidos [28] , lo que hace que la IRT activa no sea apta para la aplicación en condiciones reales de trabajo. Por lo tanto, en este documento, el uso de la estrategia pasiva se analiza exclusivamente.

La IRT pasiva se asocia típicamente con el análisis cualitativo, ya que el objetivo principal es detectar posibles anomalías en los termogramas que representan defectos en la envoltura. Este enfoque centrado en la evaluación del contraste térmico se aplica comúnmente en diferentes tipos de análisis de edificios , por ejemplo, para identificar áreas de paredes con un contenido de agua anómalo [29-31], para identificar puntos de fuga de aire y puentes térmicos a través de la envolvente del edificio [32-34 ] o para identificar defectos no visibles en estructuras y materiales de construcción, como grietas debajo de la superficie [35] . Los procedimientos para mejorar las anomalías en los termogramas mediante técnicas de procesamiento de imágenes también han sido objeto de varios estudios ( por ejemplo, filtrado iterativo [36] o análisis de componentes principales [31] ).

En contraste, la IRT pasiva también se usa con frecuencia para el estudio de envolventes utilizando un enfoque cuantitativo. En este caso, el objetivo es evaluar la magnitud / importancia del defecto objetivo, por lo que la precisión de la medición adquiere una relevancia especial [22,37] . En tales casos, las campañas de auditoría térmica requieren un estudio en profundidad de los parámetros específicos que dependen del material, como la emisividad y la temperatura aparente reflejada (RAT) [23,38] . Dichos estudios podrían ser factibles en condiciones de laboratorio totalmente controladas, pero en una inspección operativa real, los valores de entrada ideales para estos parámetros casi nunca son alcanzables [39] . Correcciones individuales a la emisividad y RAT es difícil de aplicar en tales casos porque escenarios reales a menudo generan termogramas que contienen una variedad de materiales de superficie. Incluso parámetros que intervienen en la determinación de la relacionada directamente la emisividad y reflectividad (es decir, morfología de la superficie, rugosidad, la oxidación, la longitud de onda espectral, y ángulo de visión) pueden variar considerablemente dentro de la misma termograma y material . Estas variaciones en el comportamiento térmico implican dificultades en la definición de un coeficiente de emisividad exacta y justifica, en parte, el uso de valores tabulados o razonablemente aproximados, suponiendo un error de lectura ST que debe ser cuantificados.

Con condiciones ambientales cambiantes, como AAT y humedad relativa (HR), no solo la conductividad térmica sino también el calor específico y la densidad de los materiales varían, lo que también puede influir ligeramente en la transferencia de calor a través de la envolvente del edificio. El viento también puede influir significativamente en las pérdidas de calor a través de la envolvente del edificio y las mediciones térmicas en las fachadas y, por lo tanto, también debe considerarse [36,40]. El análisis numérico en experimentos controlados ha permitido establecer relaciones útiles entre la radiación percibida y los parámetros climáticos, por ejemplo, el coeficiente de transmisión atmosférica modelado [41] o la relación entre la velocidad del viento y el valor Ψ (transmitancia térmica lineal) [42] . Por lo tanto, la influencia sobre los parámetros ambientales no estacionarios puede reducirse, hasta cierto punto, al monitorearlos cuidadosamente durante la inspección [19] .

2.2 Inspección aérea IRT             

El sector de la termografía ha experimentado avances significativos en las últimas décadas; Para sistemas de cámara no refrigerados, las sensibilidades térmicas (o, equivalentemente, niveles de ruido aleatorio) ya alcanzan valores <0.03 K en algunos modelos comerciales. Sin embargo, la revolución más reciente en IRT ciertamente proviene de la democratización de la tecnología de vehículos aéreos no tripulados (UAV) y la aparición de dispositivos livianos fácilmente ensamblados a bordo (Tabla 1). La integración de sensores térmicos con drones abre nuevas posibilidades para la inspección aérea en tiempo real en muchos campos. La capacidad de captura de las plataformas UAV permite su aplicación en la inspección térmica de grandes áreas ( p. Ej., Estudios de vegetación y agricultura de precisión [43–45] , hidrología [46] o inspecciones industriales, como las de granjas fotovoltaicas [47,48] )

Tabla 1. Algunas cámaras termográficas comerciales para plataformas aéreas [actualizado de [47] ].

Fabricante Modelo Resolución (píxeles × píxeles) Sensibilidad térmica (NETD) Exactitud
FLIR (Wilsonville, EE. UU.) Vue PRO 336 336 × 256 0.05 K No radiométrico
  Vue PRO 640 640 × 512    
  Vue PRO R 336 336 × 256   ± 5 ° C o ± 5%
  Vue PRO R 640 640 × 512    
FLIR [& DJI (Shenzhen, CN)] Zenmuse XT 336 336 × 256 0.05 K No radiométrico
  Zenmuse XT 640 640 × 512    
  Zenmuse XT2 336 336 × 256    
  Zenmuse XT2 640 640 × 512    
  Duo (+ RGB) 160 × 120   No radiométrico
  Duo R (+ RGB) 160 × 120   ± 5 ° C o ± 5%
  Duo PRO R 336 (+ RGB) 336 × 256    
  Duo PRO R 640 (+ RGB) 640 × 512    
Workswell (Praga, CZ) WIRIS (2.a generación) 336 336 × 256 0.03 K ± 2 ° C o ± 2%
  WIRIS (2.a generación) 640 640 × 512    
  WIRIS mini 384 × 288 0.05 K ± 3 ° C o ± 3%
Optris (Berlín, DE) PI 160 160 × 120 0.04 K ± 2 ° C o ± 2%
  PI 200/230 160 × 120 0.08 K  
  PI 400 382 × 288    
  PI 450 382 × 288 0.04 K  
  PI 640 640 × 480 0.075 K  
Thermoteknix (Cambridge, Reino Unido) MicroCAM2 384 384 × 288 0.05 – 0.06 K No radiométrico
  MicroCAM2 640 640 × 480 0.06 K  
  MicroCAM3 384 384 × 288 0.05 K  
  MicroCAM3 640 640 × 480 0.04 – 0.05 K  
Yuneec (Jiangsu , CN) CGOET 160 × 120 0.05 K No radiométrico
  E10T 320 320 × 256    
  E10T 640 640 × 512    
Optix ( Panagyurishte , BG) Minion L 384 × 288 0.05 K No radiométrico

El estudio de la construcción de cerramientos es quizás donde la fusión de las tecnologías IRT y UAV tiene el mayor potencial [49-52] . Las cámaras térmicas montadas en UAV pueden proporcionar imágenes aéreas a baja altitud con flexibilidad y con información sobre escenarios tanto cualitativos como cuantitativos. Por lo tanto, el método podría ser particularmente adecuado en áreas de difícil acceso de la fachada o el techo, para ver donde la conductividad térmica es mayor y para ubicar áreas con puentes térmicos, fugas de aire o la presencia de humedad en las paredes.

En resumen, la evaluación de fenómenos térmicamente relacionados a través de IRT pasivo es posible pero difícil si se pretende una evaluación cuantitativa en el campo. Las mediciones obtenidas con dispositivos IRT están sesgadas por una serie de factores, como la rugosidad del material de construcción, el color o la forma de la superficie [53] , las propiedades termofísicas y las condiciones de operación [38] , las condiciones climáticas [54] , la hora del día (orientación del edificio, rayos de sol y sombras) [35] , el ángulo de inclinación del sensor y las perturbaciones debidas a reflexiones de múltiples fuentes [18,22,38] . Los enfoques IRT terrestres y aéreos son susceptibles a la influencia de todos estos factores. Sin embargo, en el caso de una perspectiva más flexible al colocar el sensor, el ángulo de inclinación en particular debe estudiarse cuidadosamente cuando se utilizan cámaras térmicas montadas en UAV para lograr precisiones confiables.

El objetivo de esta investigación es evaluar la capacidad y la fiabilidad de combinar sensores pasivos de infrarrojos térmicos con plataformas de baja altitud como herramientas de diagnóstico de edificios. Más específicamente, mediante la presentación del estudio de caso de una bodega típica de vino semi-enterrada, se abordaron cuatro pasos independientes, directamente relacionados con la combinación de la plataforma y el sensor: ( i ) la evaluación de la capacidad de la combinación de plataformas elevadoras y IRT – sensores ligeros compatibles en determinación de anomalías en los edificios (evaluación cualitativa) , (ii) encontrar la plataforma de elevación óptima en términos de operatividad y costo , (iii) cuantificar la precisión de los sistemas de imagen térmica generalmente elegidos para este tipo de estudio ( evaluación cuantitativa ) , y (iv) analizar el impacto del ángulo de inclinación en las mediciones de ST.

3 . Materiales y métodos

3.1. Zona de estudio

3.1.1. El edificio

El estudio se realizó en una bodega situada en O Saviñao (42 ° 33’N, 7 ° 40’W, altitud: 399 MAMSL, Fig. 1a) dentro de la Provincia de Lugo (España). Esta bodega fue construida a finales de la década de 1920 para producir vinos a pequeña escala. A lo largo de su historia, la estructura ha sufrido varios cambios y expansiones, de acuerdo con las necesidades derivadas del crecimiento del negocio. En la mayoría de los casos, las reformas no se han documentado adecuadamente (por ejemplo, la estructura interna de algunas de las paredes son desconocidas ). Estos cambios han dotado al edificio de singularidades constructivas y diversidad de materiales. La fachada suroeste está medio enterrada para ayudar a mantener un AAT interno equilibrado durante todo el año. Sin embargo, aparte de esta característica, al ser una construcción antigua, la bodega no posee medidas adicionales para ahorrar energía o mantener las condiciones ambientales. El exterior de las paredes está compuesto principalmente de piedras graníticas, y el techo está cubierto con tejas de arcilla roja. Las puertas y ventanas, así como el marco que soporta el techo, son de madera. En el interior, se utilizan baldosas cerámicas blancas para cubrir las paredes, y se utilizan ladrillos cerámicos sólidos para los pilares centrales y el piso.

Ser un edificio semienterrado es una característica importante que le da al sótano una alta inercia contra las fluctuaciones de temperatura, pero históricamente se han informado dificultades prácticas para las aplicaciones de IRT en edificios con una inercia térmica tan grande, ya que estudiar su comportamiento térmico requeriría largos períodos de medición. [55] . En este sentido, los experimentos de lapso de tiempo que utilizan métodos IRT pasivos también encuentran varias limitaciones (por ejemplo, la colocación segura del equipo, evitando la interferencia de los ocupantes u objetos en primer plano no deseados, y los desafíos asociados con el monitoreo continuo de las condiciones ambientales) [56] .

Figure 1. ( a ) Localización del edificio de  estudio (A Cova, Lugo) y las imágenes de la bodega a partir de ( b ) en el exterior (fachada principal) y ( c ) dentro de la habitación (planta baja)-envejecimiento del vino.

En 2005, el propietario construyó un nuevo edificio cercano para albergar el equipo para los pasos iniciales de procesamiento del vino. Desde entonces, el antiguo edificio (Fig. 1b) se ha dedicado casi exclusivamente a envejecer el vino en barriles (en la planta baja, Fig. 1c) y ocasionalmente a recibir visitantes (en el primer piso).

3.1.2. El clima

Según el Código Técnico de Construcción Español CT-DB-HE [57], se pueden distinguir varias zonas climáticas en el país. Esta diversidad de zonas conduce a varias regiones productoras de vino, también conocidas como denominaciones de origen (o DO). Específicamente, el estudio de caso de la bodega pertenece a la DO Ribeira Sacra, donde la media anual de AAT es de aproximadamente 14 ° C, y la precipitación anual promedio es de 900 mm. El microclima de la región muestra influencias mediterráneas y continentales, como consecuencia de su ubicación geográfica, así como de su orografía particular (laderas empinadas a lo largo de los bordes de los ríos Miño y Sil ) [58,59].

3.2. Equipo

3.2.1. Instrumentos de medición

Los instrumentos de medición empleados fueron los siguientes:

– (1 ×) Registrador de datos Hobo (modelo U12, Onset, Massachusetts, EE. UU.) (Con 4 × canales externos) para medir el AAT dentro de las bodegas. Sus parámetros incluyen una resolución de 0.03 ° C y una precisión de +0.35 ° C para AAT.

– (2 ×) registradores de datos Hobo (modelo U23-001 Pro v2) para medir las condiciones ambientales interiores y exteriores (AAT y RH). Sus parámetros incluían una resolución de 0.02 ° C y una precisión de +0.21 ° C para AAT y una resolución de 0.03% y una precisión de + 2.5% para RH.

– Un termómetro portátil Temp 7 (XS Instruments, Carpi, IT) equipado con una sonda de temperatura de contacto PT56C para obtener mediciones de ST para verificar las imágenes térmicas. La precisión de este dispositivo fue de +0.15 ° C (120 segundos).

La ubicación de los registradores de datos se representa en la Fig. 2. Los sensores se colocaron dentro de la sala de envejecimiento, en la parte posterior del pilar central, para protegerlos de un posible enfriamiento anormal debido a la infiltración de aire de puertas o ventanas abiertas. Los diferentes canales del Hobo U12 se ubicaron a intervalos de altura de 90 cm para obtener un AAT promedio de la habitación, reduciendo los efectos de los procesos convectivos en las mediciones. En el mismo pilar, también se colocó un registrador de datos Hobo U23 para registrar RH y proporcionar una medición de contraste para AAT. Los datos externos fueron registrados por otro registrador de datos Hobo U23 , colocado en un mástil a 1 m por encima del techo más bajo de la bodega y dentro de un escudo que protegía al registrador de la lluvia y la radiación solar.

Figure 2 . Distribución dentro del sótano de las ( a ) posiciones del registrador e imágenes de los ( b ) registradores interiores instalados en la pared y ( c ) el registrador exterior.

3.2.2. Cámaras térmicas

Se eligieron dos cámaras térmicas para determinar la pared ST sin contacto. La primera fue una Vue Pro R (FLIR Systems, Inc., Wilsonville, EE. UU.), Una cámara IR especialmente diseñada para montarse a bordo de un dron. La «R» en el nombre significa «radiométrica», lo que permite que esta cámara se diferencie del modelo no radiométrico estándar del mismo fabricante (FLIR Vue Pro). La segunda cámara IR era una FLIR B335, que es un dispositivo convencional de imágenes térmicas de mano. El B335 también es radiométrico, lo que significa que ambos dispositivos permiten mediciones sin contacto de ST calibrado por píxel. En principio, los dispositivos radiométricos deberían reflejar con mayor precisión el resplandor térmico real de las características de la superficie y, por lo tanto, permitir un procesamiento y análisis adicionales. El paquete de software FLIR ResearchIR , del mismo fabricante, se empleó para realizar un análisis más detallado de los datos sin procesar, lo que permitió ajustar el nivel térmico y el intervalo, la modificación de la paleta de colores, el ajuste de parámetros como la emisividad y la temperatura reflectante y la importación directa de datos de series temporales ambientales de los registradores.

3.2.3. Plataformas

Para elevar la cámara térmica FLIR Vue Pro R para capturar imágenes del exterior de la bodega, se utilizó un UAV comercial Drone Quasar listo para volar ( DroneTools , Sevilla , ES). Este quadcopter de ala giratoria (Fig. 3a) tiene una autonomía de aproximadamente 1 hora y una carga útil de 1,2 kg. Un cardán especial proporcionado por el mismo fabricante permitió que la cámara térmica y una cámara sin espejo RGB convencional (ILCE α6000, 24 MP; Sony Corp., Minato, JP) con disparos sincronizados se montaran simultáneamente. El doble transmisor de video incorporado permitió que la señal RGB e IRT se transfiriera del dron a una pantalla audiovisual (AV), lo que le dio al piloto una vista en primera persona (FPV), lo que garantizó que la región de interés (ROI) realmente estaba siendo capturado. Para comparar la operatividad de este sistema UAV de alto rango (~ 25,000 $) con un método de elevación alternativo de bajo costo , también se utilizó una pértiga (~ 200 $). El dispositivo telescópico (Fig. 3b) utilizado para elevar el FLIR B335 estaba compuesto por tres partes principales. La primera parte era un (1) mástil de elevación telescópico (TLM) compuesto de materiales livianos (aluminio y plástico) con una longitud máxima de trabajo de 7 m. Sin embargo, trabajar con el poste extendido más de 5 m generalmente requiere la ayuda de otro operador. En el extremo del poste, un (2) soporte de cabeza esférica bloqueó la cámara firmemente en la posición deseada. En este caso, el sistema de bloqueo ajustable no estaba incluido con el poste; por lo tanto, se conectó un adaptador al sistema estándar. Finalmente, la (3) unidad de control de tierra (GCU) también incluía gafas FPV y el botón de disparo, que eran dispositivos comerciales directamente conectados a la cámara. La GCU fue diseñada para ser operada por una sola persona.

Figure 3 . Plataformas elevadoras para las cámaras térmicas: ( a ) Drone Quasar UAV y ( b ) pértiga telescópica.

Tabla 2. Cámaras térmicas y plataformas utilizadas en el estudio.

Modelo Resolución (píxeles × píxeles) Sensibilidad térmica (NETD) Exactitud Plataforma ~ Sistema c ost (leva. + Plataforma)  
FLIR Vue PRO R 640 × 512 0.05 K ± 5 ° C o 5% Rotary – UAV de ala + cardán de 3 ejes 4,500 + 25,0 00 $  
FLIR B335 320 × 240 0.05 K ± 2 ° C o 2% Poste extensible + extremo de bola fijo 7,000 + 200 $  

3.3 Adquisición de datos y postprocesamiento             

La campaña de medición tuvo lugar el 12 de junio de 2017 y se dividió en tres pasos independientes (cronológicamente, A, B y C).

La primera (A) involucraba tomar termogramas sobre puntos comunes para realizar una evaluación comparativa en términos de precisión. Veinte pares de puntos separados 30 cm fueron (10 dentro y 10 fuera de la bodega) seleccionados sobre superficies uniformes, cubriendo los principales tipos de superficie del edificio (techos, paredes de piedra, las paredes de ladrillo y paredes pintadas). Los puntos se seleccionaron arbitrariamente sobre la superficie (evitando discontinuidades de material) y se marcaron con cinta adhesiva definiendo cuadrados de 4 cm de lado. Para garantizar condiciones ambientales similares durante la captura de imágenes, tanto los procedimientos con la cámara polar (B335) como los de la cámara con dron (Vue Pro R) se realizaron al mismo tiempo. Dos operadores diferentes tomaron simultáneamente termogramas desde la misma distancia (3 m) en una dirección perpendicular a la superficie. Los sistemas de dispositivos FPV aseguraron que las imágenes se centraran en los puntos. El termómetro de contacto también se colocó con un trípode extensible en cada escena, registrando el ST en el medio de los puntos de referencia en el momento de los disparos y tomando la otra medición justo después de los disparos. Después de post-proceso, valores medios de píxeles correspondientes a los puntos de destino se compararon con las temperaturas de referencia desde el termómetro de contacto.

En un segundo paso, se realizó una prueba similar (B) con el dron sobre dos puntos fijos en las fachadas SW y SE, variando la altura (en consecuencia, también el ángulo de inclinación) y manteniendo una distancia constante a la superficie de 3 m. Se capturaron veinte disparos diferentes por punto, aumentando ligeramente el dron entre cada disparo. La altura de las imágenes se determinó automáticamente con el GPS y se registró en los metadatos de cada imagen. Por lo tanto, el ángulo podría determinarse posteriormente fácilmente.

Las imágenes restantes del edificio completo se recogieron en un tercer paso (C), que simplemente tenía como objetivo detectar cualitativamente las anomalías. Por lo tanto, estos conjuntos de imágenes se tomaron independientemente con cada sistema. Cabe destacar que el rendimiento del UAV fue mucho mayor que el de la cámara montada en la pértiga, pero el tiempo de funcionamiento de la primera fue más limitado por la duración de la batería. Por esta razón, el procedimiento con el UAV se completó más rápidamente. Tanto el vuelo como la ruta para tomar imágenes con la cámara montada en el poste se planearon para cubrir toda la superficie exterior del edificio ( es decir, las fachadas y el techo) mientras se minimiza el número de fotos. Sin embargo, se tomaron imágenes adicionales en áreas de particular interés para la inspección térmica (por ejemplo, ventanas, esquinas y discontinuidades de material). Dentro de la sala de crianza del vino, debido a las limitaciones de altura, no fue posible volar el dron. Toda la superficie se inspeccionó térmicamente con el B335 sin la pértiga. En algunas áreas de interés, algunas fotos también se tomaron manualmente con el Vue Pro R, después de desmontar la cámara del quadcopter.

Para evitar la influencia de la radiación solar directa en las mediciones, la captura de datos al aire libre comenzó a las 9:00. Luego, los pasos A y C se repitieron en interiores, comenzando aproximadamente a las 11:00, justo al final de la campaña al aire libre. En este momento, el registrador exterior registró un AAT 3.5 ° C más alto que el detectado a las 9:00, lo que ayudó a maximizar el contraste entre el interior y el exterior y la detección de posibles flujos de aire caliente.

Las condiciones de la bodega descritas anteriormente fueron monitoreadas durante los diez días previos a la inspección térmica y el día de la inspección. Los valores de AAT y RH dentro de la bodega se registraron cada 5 minutos durante el período del 2 al 12 de junio. Este mes suele marcar el comienzo del período más problemático para el envejecimiento de los vinos, debido al aumento de la temperatura, lo que incremento es el riesgo de que se dañen los vinos [10] . Particularmente, en el mes de la prueba (junio de 2017), se registraron 6 días con un AAT máximo por encima de 35 ° C en el área de acuerdo con los datos de la estación meteorológica cercana de Pantón (42 ° 32’N, 7 ° 42 ‘ W, altitud: 340 MAMSL).

Los datos registrados por los registradores se utilizaron para corregir la atenuación atmosférica, mejorando así la fiabilidad de las mediciones térmicas. Las imágenes se procesaron posteriormente mediante la introducción de estos parámetros ambientales (AAT y RH) basados ​​en el tiempo exacto de cada adquisición de imágenes. En este estudio de caso, el efecto del viento se consideró insignificante, ya que la campaña de campo se llevó a cabo en condiciones casi estables. El anemómetro de la estación meteorológica cercana velocidades registrado <1 kmh durante la campaña de campo, que se considera “calma” según la escala de Beaufort. Debido a la gran variabilidad de los materiales en cada escena de la imagen, se estableció un valor estándar de 0,95 para la emisividad [60]. En principio, este valor coincide con los valores tabulados habituales [61,62] para todos los materiales probados: ladrillos rojos (0.93-0.96), paredes de granito rugoso (0.90-0.94), paredes pintadas (0.94-0.96) y baldosas de arcilla roja ( 0.88-0.95) – con un grado razonable de precisión.

4 Resultados y discusión             

4.1 Construyendo diagnóstico con IRT             

Un análisis detallado de la colección de imágenes exteriores proporciona un diagnóstico de todo el recinto de la bodega. Se han detectado varios problemas, como la pérdida de aislamiento térmico en las tejas con el tiempo (Fig. 4a) o la presencia de humedad en las paredes (Fig. 4c), con este método. Las paredes viejas, a diferencia de las paredes modernas, no tienen una estructura interna predecible y a menudo contienen vacíos aleatorios que inhiben el flujo de humedad y, por lo tanto, el transporte de calor [63]. En tales casos, la visualización cualitativa de las imágenes generalmente permite una interpretación efectiva. En este sentido, la IRT pasiva es muy útil no solo para evaluar daños o comprender la estructura de los monumentos históricos [64–66], sino también para caracterizar edificios como este, que han sido construidos o restaurados de manera desordenada y cuyas características son a menudo desconocidas. La figura 4b muestra cómo se ha mantenido una parte de la pared vieja en el recinto actual de la bodega, produciendo un comportamiento térmico claramente diferenciable (es decir, delta-T visible).

Figure 4 . Muestra de imágenes de inspección térmica del edificio desde el exterior: ( a ) imagen aérea del techo desde el dron con el FLIR Vue Pro R y ( b ) y ( c ) dos imágenes para la inspección de la pared tomadas con el FLIR B335. Se destacan algunas anomalías térmicas detectadas: (I) un grupo recientemente reemplazado de tejas, (II) diferentes revestimientos de la fachada SW y (III) filtración de agua a través de grietas en las paredes de la fachada SE. Escala de temperatura [en ° C . ]

La detección de anomalías térmicas interiores fue difícil debido a la fuerte influencia de los reflejos de fondo de las baldosas cerámicas. En cualquier caso, la inspección de los elementos de madera del edificio (Fig. 5) reveló algunos problemas de aislamiento en las carpinterías y el subsuelo.

Figure 5 . Inspección térmica de las carpinterías dentro de la bodega: ( a ) puerta principal, ( b ) techo de madera de la sala de crianza y ( c ) una pared con una ventana. Se destacan algunos ejemplos de anomalías térmicas detectadas: fugas de aire (I) al lado de la puerta y (V) encima de la ventana, que calientan la superficie de las paredes circundantes, (II) diferencias en el grosor de las hojas superior e inferior de la puerta, ( III) radiación térmica reflejada por las baldosas cerámicas, que introduce ruido en la imagen, y (IV) un área entre viguetas de piso con falta de aislamiento. Escala de temperatura

[en ° C . ]

En base a los resultados, se proponen varias recomendaciones que mejorarían el confort térmico. Las carpinterías deben tener mecanismos para la rotura del puente térmico, y se debe aplicar doble acristalamiento. Recubrir los pilares y reforzar la capa de aislamiento en el subsuelo son otras medidas recomendadas para mejorar la eficiencia energética.

El rendimiento de ambas cámaras probadas en el análisis cualitativo fue en general satisfactorio. Aun así, es posible apreciar algunos detalles faltantes en los termogramas derivados del B335 después de probar las cámaras desde la misma distancia a la superficie (Fig. 6). El tamaño del sensor es un parámetro muy relevante para la inspección térmica, ya que el número de píxeles que describen cada característica espacial aumenta con el tamaño del sensor. El enfoque y el desenfoque de los termogramas también pueden influir en la nitidez de las características que se detectarán.

Figure 6. ( una imagen RGB) s de la parte del edificio y termogramas obtenidos desde el mismo punto (~ 4 m desde la fachada) con ( b ) el FLIR Vue Pro R y ( c ) FLIR B335 cámaras. Se utiliza la misma paleta de colores y escala ST. Escala de temperatura [en ° C . ]

4.2 La plataforma de la cámara             

Obtener resultados cuantitativos para la plataforma fue bastante difícil, principalmente porque las dos cámaras utilizadas con cada plataforma eran fundamentalmente diferentes. Sin embargo, el procedimiento de inspección térmica permitió obtener ciertos resultados con respecto a la idoneidad de las plataformas para el trabajo en esta bodega.

El primer resultado es sobre el rendimiento de las dos plataformas elevadoras fuera de la bodega, donde ambas fueron probadas. Se planificó la captura de algunas imágenes de manera simultánea para obtener mediciones térmicas comparativas, no con el objetivo de evaluar el rendimiento. Sin embargo, en este estudio, la eficiencia del dron superó con creces el rendimiento del trabajo realizado con la pértiga. El número total de imágenes tomadas afuera con el dron y con la cámara montada en pértiga fue de 321 y 110, respectivamente, durante el mismo tiempo de adquisición (aproximadamente 1.5 horas).

La pértiga es un instrumento bastante útil (y mucho menos costoso que el UAV) que permite la inspección térmica de edificios sin altura excesiva, como este. Aun así, la pértiga utilizada en este caso de estudio es un modelo básico que carece de cualquier sistema para evitar oscilaciones a toda altura. Incluso con la ayuda de un trípode auxiliar y un segundo operador, la cámara no se estabilizó fácilmente a alturas superiores a 5 m. El sistema de cabeza fija de la pértiga no es tan flexible como el cardán del dron. Este cardán motorizado de 3 ejes permite que la cámara esté siempre orientada en el ángulo deseado a la superficie inspeccionada para mejorar la precisión del IR. El uso de un sistema remoto de giro e inclinación con el poste es casi esencial para la inspección termográfica. De lo contrario, el procedimiento es mucho más laborioso ya que la cámara debe bajarse al suelo para orientarla manualmente.

Dentro del sótano, volar el dron era técnicamente imposible debido al bajo techo. En general, en lugares cerrados o con espacios confinados, la pértiga ha demostrado ser una mejor alternativa porque permite que el sensor se acerque al techo u otros elementos sin riesgo de colisión. Por el contrario, en exteriores, el dron puede realizar una captura exhaustiva, incluidas las áreas más difíciles de acceder, como los techos, sin comprometer la seguridad del operador. El UAV puede acercarse a las paredes incluso a toda altura para obtener una resolución espacial muy fina, que permite, por ejemplo, la visualización de pequeñas fugas de calor alrededor de las carpinterías. El vuelo se puede configurar en modo automático, en cuyo caso un solo operador puede enfocarse en el manejo de la cámara. Sin embargo, las inspecciones térmicas generalmente se realizan en modo manual con dos operadores para controlar por separado el avión y la cámara. El uso del UAV como plataforma elevadora para la cámara no es un método exento de problemas. La presencia de ( por ejemplo, líneas eléctricas, árboles y otros edificios), la necesidad de obtener una licencia de vuelo y permisos, la dependencia de las condiciones climáticas y especialmente el mayor costo del equipo son algunos de los inconvenientes importantes.

4.3 Evaluación de precisión de imágenes térmicas             

Con el objetivo de calibrar las lecturas, se monitorearon las condiciones ambientales de la bodega (AAT y RH) durante los 10 días previos a la prueba (Fig. 7). Fuera de la bodega, el AAT máximo registrado por el registrador fue de 30.65 ° C a las 16:15 el 10 de junio, el AAT mínimo fue de 7.42 ° C a las 6:25 el 5 de junio, y el AAT promedio durante este período fue 17.20 ° C. La diferencia entre las temperaturas máximas y mínimas fue bastante alta (~ 23 ° C), lo cual es típico de un clima continental. En cuanto a la HR, el valor máximo para este período fue del 99,97%, y el mínimo del 30,02%, con una media del 72,17%.

Dentro de la sala de crianza del vino, el AAT máximo se alcanzó a las 18:30 el 10 de junio (19.58 ° C), y el AAT mínimo el 7 de junio a las 9:05 (16.89 ° C). La HR varió de 62.52 % a 79.23%, con un valor medio de 72.56% durante este período. Debido a que la bodega era una estructura semienterrada en contacto con el suelo, el ambiente interior estaba protegido de variaciones extremas en las condiciones exteriores.

Figure 7. Datos registrados por los registradores de datos interiores y exteriores: ( a ) AAT y ( b ) RH durante los 10 días antes de la prueba (del 2 al 12 de junio 2017) y ( c ) AAT y ( d ) RH durante las tres horas de la campaña de imágenes térmicas (de 09:00 a 12:00 el 12 de junio de 2017).

Se seleccionó un total de 20 pares de puntos de todo el conjunto de datos para realizar una evaluación de precisión del ST medido. Estas imágenes fueron post-procesados con el FLIR ResearchIR software paquete, teniendo en cuenta sus parámetros específicos (tales como la RH, AAT, y la distancia a la objeto). Las mediciones de ST se realizaron dos veces con el termómetro de contacto por imagen (en dos puntos de la superficie inspeccionada separados en altura por 30 cm), y se calculó el valor medio. La figura 8 muestra los resultados comparativos de esta prueba.

Figura 8 . Valores ST basados ​​en imágenes frente a mediciones de contacto (PT 56C) para 20 muestras de imágenes. * La cámara FLIR Vue Pro R se desmontó del quadcopter para tomar imágenes en interiores.

La cámara B335 montada en pértiga obtuvo valores ST con un poco más de correlación (R2 = 0.39) con los tomados por la sonda de contacto que la cámara Vue Pro R. La cámara Vue Pro R, a pesar de su mayor resolución de imagen, que probablemente lo hace mejor para detectar anomalías térmicas, presentó menos precisión en las lecturas. Sin embargo, estos resultados deben ser interpretados con precaución debido a ser una prueba de campo, algunas variables no se han considerado, y los resultados representan el comportamiento de todo el sistema (el par de la cámara/plataforma) bajo condiciones reales de operación. Los parámetros potencialmente altamente influyentes como la emisividad se han utilizado a partir de valores tabulados y otros como los reflejos son casi incontrolables en una prueba de campo. Además, otros parámetros internos y configuraciones de la cámara también podrían haber influido en la radiometría capturada por el sensor. El Vue Pro R estaba equipado con las lentes focales más grandes (f = 19 mm) dentro de su rango comercial de configuraciones disponibles (6.8 mm – 19 mm), lo que podría haber aumentado el error en los termogramas. En principio, cuanto mayor es el campo de visión (FOV = 2arctan (tamaño del sensor / 2f)), menor es el error en la medición de temperatura [67] . Por lo tanto, usando el mismo sensor, se esperan mediciones más precisas con distancias focales más cortas.

Como se esperaba, los datos ST interiores mostraron menos variabilidad que los datos ST exteriores en las mediciones tomadas por cualquiera de las dos cámaras térmicas (Fig. 8). La desviación estándar del diferencial ST ( Tprobe-Timage ) en el exterior fue casi el doble que en el interior (σ = 2.67 y σ = 1.34, respectivamente). Estos resultados son razonables, ya que es más fácil obtener condiciones ambientales estables dentro de la bodega, sin exposición a la luz solar directa o ráfagas de viento que puedan introducir lecturas sesgadas.

Se supone que ambas cámaras radiométricas tienen la misma sensibilidad térmica (0.05 ° C) pero diferentes precisiones (2-5 ° C o 2-5% de la lectura). Comparativamente, las correlaciones entre las mediciones de ST de contacto y ST de termogramas fueron bastante consistentes con las precisiones del sensor proporcionadas por el fabricante. No obstante, para algunos pocos puntos muestreados en el campo, los errores superaron con creces el rango de precisión indicado anteriormente, alcanzando diferencias> 6 ° C. Por lo tanto, en la medición termográfica de ST, también es extremadamente importante considerar las fuentes de incertidumbre externa, especialmente en condiciones reales de trabajo. El procedimiento descrito en Muniz et al. 2014 [68] para obtener incertidumbre combinada podría ser útil para estimar errores en esos casos. Según la ley de propagación de la incertidumbre y considerando los parámetros de entrada para ST individualmente, el error estándar de la termografía puede superar fácilmente los 3 ° C. Además, el análisis de sensibilidad reveló una influencia particular de la emisividad sobre la incertidumbre; por lo tanto, el uso de valores tabulados no es aconsejable para obtener mediciones confiables. También es importante tener en cuenta que el termómetro de contacto tiene una resolución de 0,15 ° C con una distribución rectangular, ya que es un instrumento digital, pero su propia incertidumbre de medición en el exterior puede alcanzar valores de ~ 1 ° C.

4.4 La influencia del ángulo con la superficie             

En general, cuando una cámara térmica está cerca de una superficie, a menudo registra calor no solo de la superficie en sí, sino también reflejado por el entorno de fondo. Por lo tanto, medir el ST de superficies muy reflectantes, como las baldosas cerámicas de la bodega, es particularmente difícil debido a las reflexiones de fondo ( por ejemplo, la figura 5a (III)). En estos casos, es aconsejable evitar mediciones directas. Un ángulo oblicuo demasiado grande puede introducir sesgos potenciales en la medición radiométrica, ya que reduce la capacidad de capturar la emisividad del material y puede capturar reflejos generales de otras fuentes no deseadas [69,70]. Sin embargo, existe evidencia de que las características de la cámara termográfica asociada con el ángulo de visión también introducen errores de medición.

Fuera de la bodega, los revestimientos de las fachadas, compuestos principalmente de piedras con texturas de superficie rugosa, no plantearon tantos problemas de reflexión como las baldosas cerámicas. En cualquier caso, debido a la mayor influencia externa de la radiación solar y del cielo, las mediciones también pueden verse afectadas por los reflejos. La figura 9a muestra la evaluación de precisión realizada mediante la comparación de los valores radiométricos de ST medidos con la cámara Vue Pro R y la sonda de contacto en relación con el ángulo de incidencia. Las medidas de contacto se tomaron en puntos fijos en las fachadas SW y SE de la bodega, mientras que las imágenes se capturaron variando la altura de vuelo del dron.

Figura 9 . Influencia del ángulo de incidencia en la radiometría: el diagrama de caja ( a ) muestra las diferencias entre valores de ST basados en imágenes y las mediciones de contacto (PT 56C) vs. el ángulo de visión y el boceto ( b ) representa la emisión térmica y las perturbaciones debidas a los reflejos.

Los resultados muestran una estrecha relación entre el ángulo de visión y las diferencias ST registradas ( Tprobe-Timage ) en el experimento propuesto. En ángulos inferiores a 45 °, la mayor parte de la radiación registrada por el sensor es emitida por la superficie bajo inspección. Estos resultados son bastante consistentes con los de otros estudios [22,67], donde los errores de medición también se acentuaron en inclinaciones máximas de 45-50 °. Por encima de estos valores, el error en la medición aumenta drásticamente debido a la influencia de los reflejos del cielo y el sol. Dado que los fenómenos de reflexión dependen en gran medida de una serie de factores (por ejemplo, hora del día, lugar, condiciones atmosféricas y superficie), la precisión de la medición de ST debe analizarse para cada estudio de caso particular. Para manejar este problema, se recomienda tomar una serie de imágenes de la superficie en un rango de ángulos, reduciendo así la influencia de cualquier reflejo o reflejo del cielo. Sin embargo, el usuario debe tener cuidado al tomar medidas en ángulos cada vez más oblicuos, ya que los reflejos pueden cambiar y convertirse en un problema más grave (Fig. 9b). A este respecto, también es importante señalar que el cardán UAV podría maniobrarse para ayudar a minimizar los efectos del ángulo de inclinación en la emisividad percibida.

5 Conclusiones             

La aplicación de la IRT proporciona un confiable método cualitativo de evaluación para la inspección térmica de una bodega típica. Mediante la inspección térmica se pueden detectar varios problemas que pueden comprometer las condiciones óptimas para el envejecimiento del vino (por ejemplo, humedad en las paredes, fallas de aislamiento y fugas de calor a través de las carpinterías). Por lo tanto, la información revelada por la termografía facilita la implementación de medidas correctivas para garantizar condiciones ambientales óptimas para el proceso de envejecimiento del vino. Las principales reformas propuestas son sistemas para la ruptura del puente térmico en las carpinterías y ventanas de doble acristalamiento. El refuerzo de la capa de aislamiento en el subsuelo y revestimientos de las columnas de hormigón son otras medidas recomendadas para mejorar la eficiencia energética basada en la termografía .

La cámara montada en drones permite una captura de imagen exhaustiva, incluso en las áreas más difíciles de acceder de la bodega como los techos, sin comprometer la seguridad del operador. Sin embargo, los métodos alternativos de elevación de bajo costo para la termografía de baja altitud, como un poste telescópico simple, pueden reemplazar el uso de un avión no tripulado cuando el rendimiento no es una prioridad o cuando el espacio para la maniobrabilidad es limitado. Aunque son radiométricas, las cámaras térmicas probadas B335 y Vue Pro R demuestran una buena efectividad para detectar anomalías térmicas, pero plantean serias dificultades para tomar mediciones de ST precisas. Las lecturas térmicas son particularmente sensibles a parámetros tales como la emisividad ; por lo tanto , se debe evitar el uso de valores tabulados o generalizados. Este hecho plantea desafíos para la implementación de IRT en el campo, ya que la heterogeneidad de las escenas puede hacer que esta técnica sea poco práctica bajo un enfoque cuantitativo. Cabe destacar que la topografía IRT es siempre un proceso complejo, pero surgen mayores dificultades en condiciones reales de trabajo debido a la dificultad de establecer un entorno completamente controlado para tomar mediciones precisas. Entre otras variables, el ángulo de visión influye en la radiometría capturada por el sensor y también debe tenerse en cuenta para evitar perturbaciones debido a reflexiones especulares. Los errores en las lecturas de dispositivos livianos pueden exceder fácilmente las especificaciones del fabricante cuando el ángulo de inclinación excede los 45º .

Financiación : Este trabajo fue apoyado por el Ministerio de Ciencia, Innovación y Universidades de España bajo el Programa Nacional de Investigación Dirigido a la subvención Desafíos de la Sociedad para el proyecto «Estrategias de diseño bioclimático en bodegas como modelos de construcción de energía casi nulo» [BIA2014 -54291-R].

Agradecimientos: Un agradecimiento especial a Adegas Moure, SA por proporcionar acceso a la bodega.

Conflicto de intereses: los autores declaran no tener ningún conflicto de intereses.

Bibliografía

1.          Cancela, J. J.; Trigo-Córdoba, E.; Martínez, E. M.; Rey, B. J.; Bouzas-Cid, Y.; Fandiño, M.; Mirás-Avalos, J. M. Effects of climate variability on irrigation scheduling in white varieties of Vitis vinifera (L.) of NW Spain. Agric. Water Manag. 2016, 170, 99–109, doi:10.1016/j.agwat.2016.01.004.

2.          Bonfante, A.; Alfieri, S. M.; Albrizio, R.; Basile, A.; De Mascellis, R.; Gambuti, A.; Giorio, P.; Langella, G.; Manna, P.; Monaco, E.; Moio, L.; Terribile, F. Evaluation of the effects of future climate change on grape quality through a physically based model application: a case study for the Aglianico grapevine in Campania region, Italy. Agric. Syst. 2017, 152, 100–109, doi:10.1016/j.agsy.2016.12.009.

3.          Crespo, J.; Rigou, P.; Romero, V.; García, M.; Arroyo, T.; Cabellos, J. Effect of seasonal climate fluctuations on the evolution of glycoconjugates during the ripening period of grapevine cv. Muscat à petits grains blancs berries. J. Sci. Food Agric. 2018, 98, 1803–1812, doi:10.1002/jsfa.8656.

4.          Ifie, I.; Abrankó, L.; Villa-Rodriguez, J. A.; Papp, N.; Ho, P.; Williamson, G.; Marshall, L. J. The effect of ageing temperature on the physicochemical properties, phytochemical profile and α-glucosidase inhibition of Hibiscus sabdariffa (roselle) wine. Food Chem. 2018, 267, 263–270, doi:10.1016/j.foodchem.2017.05.044.

5.          Styger, G.; Prior, B.; Bauer, F. Wine flavor and aroma. J. Ind. Microbiol. Biotechnol. 2011, 38, 1145–1159, doi:10.1007/s10295-011-1018-4.

6.          Barbaresi, A.; Torreggiani, D.; Benni, S.; Tassinari, P. Indoor air temperature monitoring: A method lending support tomanagement and design tested on a wine-aging room. Build. Environ. 2015, 86, 203–210, doi:10.1016/j.buildenv.2015.01.005.

7.          Zhang, W.; Skouroumounis, G.; Monro, T.; Taylor, D. Distributed wireless monitoring system for ullage and temperature in wine barrels. Sensors 2015, 15, 19495–19506, doi:10.3390/s150819495.

8.          Correia, J.; Mourão, A.; Cavique, M. Energy evaluation at a winery : a case study at a Portuguese producer. In IManE&E. MATEC Web of Conferences; Iasi, Romania, 2017; Vol. 10001, pp. 1–9.

9.          Mazarrón, F. R.; Cid-Falceto, J.; Cañas-Guerrero, I. An assessment of using ground thermal inertia as passive thermal technique in the wine industry around the world. Appl. Therm. Eng. 2012, 3334, 54–61, doi:10.1016/j.applthermaleng.2011.09.010.

10.        Cañas Guerrero, I.; Martin Ocaña, S. Study of the thermal behaviour of traditional wine cellars: The case of the area of “Tierras Sorianas del Cid” (Spain). Renew. Energy 2005, 30, 43–55, doi:10.1016/j.renene.2004.04.014. https://www.sciencedirect.com/science/article/pii/S0960148104001739

11.        Fuentes Pardo, J. M.; Cañas Guerrero, I. Subterranean wine cellars of Central-Spain (Ribera de Duero): An underground built heritage to preserve. Tunn. Undergr. Sp. Technol. 2006, 21, 475–484, doi:10.1016/j.tust.2005.07.004.

12.        Mazarrón, F.; Cañas-Guerrero, I. Seasonal analysis of the thermal behaviour of traditional underground wine cellars in Spain. Renew. Energy 2009, 34, 2484–2492, doi:10.1016/j.renene.2009.03.002.

13.        Menezes, A. C.; Cripps, A.; Bouchlaghem, D.; Buswell, R. Predicted vs. actual energy performance of non-domestic buildings: Using post-occupancy evaluation data to reduce the performance gap. Appl. Energy 2012, 97, 355–364, doi:10.1016/j.apenergy.2011.11.075.

14.        Guerra-Santin, O.; Tweed, C.; Jenkins, H.; Jiang, S. Monitoring the performance of low energy dwellings: Two UK case studies. Energy Build. 2013, 64, 32–40, doi:10.1016/j.enbuild.2013.04.002.

15.        Demanuele, C.; Tweddell, T.; Davies, M. Bridging the gap between predicted and actual energy performance in schools. In World Renewable Energy Congress XI; Abu Dhabi, UAE, 2010; pp. 1–6.

16.        Bordass, B.; Cohen, R.; Field, J. Energy Performance of Non-Domestic Buildings: Closing the Credibility Gap. In 8th International Conference on Improving Energy Efficiency in Commercial Buildings; 2004; pp. 1–10.

17.        De Wilde, P. The gap between predicted and measured energy performance of buildings: A framework for investigation. Autom. Constr. 2014, 41, 40–49, doi:10.1016/j.autcon.2014.02.009.

18.        Fox, M.; Coley, D.; Goodhew, S.; De Wilde, P. Thermography methodologies for detecting energy related building defects. Renew. Sustain. Energy Rev. 2014, 40, 296–310, doi:10.1016/j.rser.2014.07.188.

19.        Nardi, I.; Lucchi, E.; de Rubeis, T.; Ambrosini, D. Quantification of heat energy losses through the building envelope: A state-of-the-art analysis with critical and comprehensive review on infrared thermography. Build. Environ. 2018, 146, 190–205, doi:10.1016/j.buildenv.2018.09.050.

20.        Lucchi, E. Applications of the infrared thermography in the energy audit of buildings: A review. Renew. Sustain. Energy Rev. 2018, 82, 3077–3090, doi:10.1016/j.rser.2017.10.031.

21.        Kirimtat, A.; Krejcar, O. A review of infrared thermography for the investigation of building envelopes: Advances and prospects. Energy Build. 2018, 176, 390–406, doi:10.1016/j.enbuild.2018.07.052.

22.        Kylili, A.; Fokaides, P.; Christou, P.; Kalogirou, S. Infrared thermography (IRT) applications for building diagnostics: A review. Appl. Energy 2014, 134, 531–549, doi:10.1016/j.apenergy.2014.08.005.

23.        Cerdeira, F.; Vázquez, M. E.; Collazo, J.; Granada, E. Applicability of infrared thermography to the study of the behaviour of stone panels as building envelopes. Energy Build. 2011, 43, 1845–1851, doi:10.1016/j.enbuild.2011.03.029.

24.        Dufour, M.; Derome, D.; Zmeureanu, R. Analysis of thermograms for the estimation of dimensions of cracks in building envelope. Infrared Phys. Technol. 2009, 52, 70–78, doi:10.1016/j.infrared.2009.01.004.

25.        Titman, D. J. Applications of thermography in non-destructive testing of structures. NDT&E Int. 2001, 34, 149–154.

26.        Lerma, C.; Barreira, E.; Almeida, R. A discussion concerning active infrared thermography in the evaluation of buildings air infiltration. Energy Build. 2018, 168, 56–66, doi:10.1016/j.enbuild.2018.02.050.

27.        Taylor, T.; Counsell, J.; Gill, S. Energy efficiency is more than skin deep: Improving construction quality control in new-build housing using thermography. Energy Build. 2013, 66, 222–231, doi:10.1016/j.enbuild.2013.07.051.

28.        Bauer, E.; de Freitas, V. P.; Mustelier, N.; Barreira, E.; de Freitas, S. S. Infrared thermography – evaluation of the results reproducibility. Struct. Surv. 2015, 33, 20–35, doi:10.1108/ss-05-2014-0021.

29.        Barreira, E.; Almeida, R.; Delgado, J. Infrared thermography for assessing moisture related phenomena in building components. Constr. Build. Mater. 2016, 110, 251–269, doi:10.1016/j.conbuildmat.2016.02.026.

30.        Grinzato, E.; Ludwing, N.; Cadelano, G.; Bertucci, M.; Garaganot, M.; Bison, P. Infrared Thermography for Moisture Detection : A Laboratory Study and In-situ Test. Mater. Eval. 2011, 69, 97–104.

31.        Edis, E.; Flores-Colen, I.; de Brito, J. Quasi-quantitative infrared thermographic detection of moisture variation in facades with adhered ceramic cladding using principal component analysis. Build. Environ. 2015, 94, 97–108, doi:10.1016/j.buildenv.2015.07.027.

32.        Kalamees, T. Air tightness and air leakages of new lightweight single-family detached houses in Estonia. Build. Environ. 2007, 42, 2369–2377, doi:10.1016/j.buildenv.2006.06.001.

33.        Barreira, E.; Almeida, R.; Moreira, M. An infrared thermography passive approach to assess the effect of leakage points in buildings. Energy Build. 2017, 140, 224–235, doi:10.1016/j.enbuild.2017.02.009.

34.        Martı́n Ocaña, S.; Cañas Guerrero, I.; González Requena, I. Thermographic survey of two rural buildings in Spain. Energy Build. 2004, 36, 515–523, doi:10.1016/j.enbuild.2003.12.012.

35.        Bauer, E.; Pavón, E.; Barreira, E.; De Castro, E. K. Analysis of building facade defects using infrared thermography: Laboratory studies. J. Build. Eng. 2016, 6, 93–104, doi:10.1016/j.jobe.2016.02.012.

36.        Sfarra, S.; Cicone, A.; Yousefi, B.; Ibarra-Castanedo, C.; Perilli, S.; Maldague, X. Improving the detection of thermal bridges in buildings via on-site infrared thermography: The potentialities of innovative mathematical tools. Energy Build. 2019, 182, 159–171, doi:10.1016/j.enbuild.2018.10.017.

37.        Lai, W. W. L.; Lee, K. K.; Poon, C. S. Validation of size estimation of debonds in external wall’s composite finishes via passive Infrared thermography and a gradient algorithm. Constr. Build. Mater. 2015, 87, 113–124, doi:10.1016/j.conbuildmat.2015.03.032.

38.        Tejedor, B.; Casals, M.; Gangolells, M.; Roca, X. Quantitative internal infrared thermography for determining in-situ thermal behaviour of façades. Energy Build. 2017, 151, 187–197, doi:10.1016/j.enbuild.2017.06.040.

39.        Barreira, E.; de Freitas, V. P. Evaluation of building materials using infrared thermography. Constr. Build. Mater. 2007, 21, 218–224, doi:10.1016/j.conbuildmat.2005.06.049.

40.        Moyano-Campos, J.; Anton-García, D.; Rico-Delgado, F.; Martín-García, D. Threshold Values for Energy Loss in Building Façades Using Infrared Thermography Sustainable. Sustain. Dev. Renov. Archit. Urban. Eng. 2017, 427–432, doi:10.3390/en6083859.

41.        Minkina, W.; Klecha, D. Atmospheric transmission coefficient modelling in the infrared for thermovision measurements. J. Sensors Sens. Syst. 2016, 5, 17–23, doi:10.5194/jsss-5-17-2016.

42.        O’Grady, M.; Lechowska, A.; Harte, A. Quantification of heat losses through building envelope thermal bridges influenced by wind velocity using the outdoor infrared thermography technique. Appl. Energy 2017, 208, 1038–1052, doi:10.1016/j.apenergy.2017.09.047.

43.        Sagan, V.; Maimaitijiang, M.; Sidike, P.; Eblimit, K.; Peterson, K. T.; Hartling, S.; Esposito, F.; Khanal, K.; Newcomb, M.; Pauli, D.; Ward, R.; Fritschi, F.; Shakoor, N.; Mockler, T. UAV-based high resolution thermal imaging for vegetation monitoring, and plant phenotyping using ICI 8640 P, FLIR Vue Pro R 640, and thermomap cameras. Remote Sens. 2019, 11, doi:10.3390/rs11030330.

44.        Khanal, S.; Fulton, J.; Shearer, S. An overview of current and potential applications of thermal remote sensing in precision agriculture. Comput. Electron. Agric. 2017, 139, 22–32, doi:10.1016/j.compag.2017.05.001.

45.        Park, S.; Nolan, A.; Fuentes, S.; Hernandez, E.; Chung, H.; O´Connell, M. Estimation of crop water stress in a nectarine orchard using high-resolution imagery from unmanned aerial vehicle (UAV) Digital Vineyards View project Apple Sunburn Risk and Fruit Diameter Estimation Using a Smartphone App View project. In 21st International Congress on Modelling and Simulation; Gold Coast, Australia, 2015.

46.        Aicardi, I.; Chiabrando, F.; Lingua, A. M.; Noardo, F.; Piras, M.; Vigna, B. A methodology for acquisition and processing of thermal data acquired by UAVs: a test about subfluvial springs’ investigations. Geomatics, Nat. Hazards Risk 2017, 8, 5–17, doi:10.1080/19475705.2016.1225229.

47.        Gallardo-Saavedra, S.; Hernández-Callejo, L.; Duque-Perez, O. Technological review of the instrumentation used in aerial thermographic inspection of photovoltaic plants. Renew. Sustain. Energy Rev. 2018, 93, 566–579, doi:10.1016/j.rser.2018.05.027.

48.        Zefri, Y.; ElKettani, A.; Sebari, I.; Lamallam, S. A. Thermal Infrared and Visual Inspection of Photovoltaic Installations by UAV Photogrammetry—Application Case: Morocco. Drones 2018, 2, 41, doi:10.3390/drones2040041.

49.        Rakha, T.; Liberty, A.; Gorodetsky, A.; Kakillioglu, B.; Velipasalar, S. Heat Mapping Drones: An Autonomous Computer-Vision-Based Procedure for Building Envelope Inspection Using Unmanned Aerial Systems (UAS). Technol. + Des. 2018, 2, 30–44, doi:10.1080/24751448.2018.1420963.

50.        Entrop, A. G.; Vasenev, A. Infrared drones in the construction industry: Designing a protocol for building thermography procedures. In Energy Procedia; 2017; Vol. 132, pp. 63–68.

51.        Kayan, H.; Eslampanah, R.; Yeganli, F.; Askar, M. Heat Leakage Detection and Surveiallance Using Aerial Thermography Drone. In 26th Signal Processing and Communications Applications Conference (SIU); Çeşme, Turkey, 2018; Vol. 1, pp. 1–4.

52.        Mavromatidis, L.; Dauvergne, J.; Saleri, R.; Batsale, J. First experiments for the diagnosis and thermophysical sampling using impulse IR thermography from Unmanned Aerial Vehicle (UAV). In 12th International Conference on Quantitative Infrared Thermography (QIRT 2014); Bordeaux, France, 2014.

53.        Cañas-Guerrero, I.; Martín-Ocaña, S.; González-Requena, I. Thermal-physical aspects of materials used for the construction of rural buildings in Soria (Spain). Constr. Build. Mater. 2005, 19, 197–211, doi:10.1016/j.conbuildmat.2004.05.016.

54.        Lehmann, B.; Ghazi Wakili, K.; Frank, T.; Vera Collado, B.; Tanner, C. Effects of individual climatic parameters on the infrared thermography of buildings. Appl. Energy 2013, 110, 29–43, doi:10.1016/j.apenergy.2013.03.066.

55.        Fang, J. B.; Grot, R. A.; Childs, K. W.; Courville, G. E. Heat Loss From Thermal Bridges. Batim. Int. Build. Res. Pract. 1984, 12, 346–352, doi:10.1080/09613218408545298.

56.        Fox, M.; Coley, D.; Goodhew, S.; De Wilde, P. Time-lapse thermography for building defect detection. Energy Build. 2015, 92, 95–106, doi:10.1016/j.enbuild.2015.01.021.

57.        Spain CTE-HE. Código Técnico de la Edificación. Basic document HE (Energy saving). June 2017, 68.

58.        Fraga, H.; Malheiro, A. C.; Moutinho-Pereira, J.; Cardoso, R. M.; Soares, P. M. M.; Cancela, J. J.; Pinto, J. G.; Santos, J. A. Integrated analysis of climate, soil, topography and vegetative growth in iberian viticultural regions. PLoS One 2014, 9, doi:10.1371/journal.pone.0108078.

59.        Blanco-Ward, D.; García Queijeiro, J. M.; Jones, G. V. Spatial climate variability and viticulture in the Miño River Valley of Spain. Vitis – J. Grapevine Res. 2007, 46, 63–70.

60.        Coutts, A.; Harris, R.; Phan, T.; Livesley, S.; Williams, N.; Tapper, N. Thermal infrared remote sensing of urban heat: Hotspots, vegetation, and an assessment of techniques for use in urban planning. Remote Sens. Environ. 2016, 186, 637–651, doi:10.1016/j.rse.2016.09.007.

61.        CIBSE Guide volume C – Reference data; Chartered Institution of Building Service Engineers, 2007;

62.        Harvey, L. D. A handbook on low-energy buildings and district-energy systems: fundamentals, techniques and examples; Routledge, 2012;

63.        Brooke, C. Thermal imaging for the archaeological investigation of historic buildings. Remote Sens. 2018, 10, doi:10.3390/rs10091401.

64.        Bisegna, F.; Ambrosini, D.; Paoletti, D.; Sfarra, S.; Gugliermetti, F. A qualitative method for combining thermal imprints to emerging weak points of ancient wall structures by passive infrared thermography – A case study. J. Cult. Herit. 2014, 15, 199–202, doi:10.1016/j.culher.2013.03.006.

65.        Kordatos, E. Z.; Exarchos, D. A.; Stavrakos, C.; Moropoulou, A.; Matikas, T. E. Infrared thermographic inspection of murals and characterization of degradation in historic monuments. Constr. Build. Mater. 2013, 48, 1261–1265, doi:10.1016/j.conbuildmat.2012.06.062.

66.        Lerma, C.; Mas, Á.; Gil, E.; Vercher, J.; Peñalver, M. J. Pathology of Building Materials in Historic Buildings. Relationship Between Laboratory Testing and Infrared Thermography. Mater. Construcción 2013, 64, e009, doi:10.3989/mc.2013.06612.

67.        Muniz, P.; Cani, S.; Da S. Magalhaes, R. Influence of field of view of thermal imagers and angle of view on temperature measurements by infrared thermovision. IEEE Sens. J. 2014, 14, 729–733, doi:10.1109/JSEN.2013.2287003.

68.        Muniz, P.; de Araújo Kalid, R.; Cani, S.; da Silva Magalhães, R. Handy method to estimate uncertainty of temperature measurement by infrared thermography. Opt. Eng. 2014, 53, 074101, doi:10.1117/1.oe.53.7.074101.

69.        Álvarez-Tey, G.; Jiménez-Castañeda, R.; Carpio, J. Analysis of the configuration and the location of thermographic equipment for the inspection in photovoltaic systems. Infrared Phys. Technol. 2017, 87, 40–46, doi:10.1016/j.infrared.2017.09.022.

70.        Echániz, T.; Pérez-Sáez, R. B.; Tello, M. J. IR radiometer sensitivity and accuracy improvement by eliminating spurious radiation for emissivity measurements on highly specular samples in the 2–25 μm spectral range. Meas. J. Int. Meas. Confed. 2017, 110, 22–26, doi:10.1016/j.measurement.2017.06.010.

© 2019 by the authors. Submitted for possible open access publication under the terms and conditions of the Creative Commons Attribution (CC BY) license (http://creativecommons.org/licenses/by/4.0/).

Compartir

Facebook
Twitter
LinkedIn
WhatsApp
Email
Imprimir

Documentación similar

Coste constructivo de salas de crianza aéreas

Teresa Gómez-Villarino1, Alejandro García Lozano2, Olivia Martínez de Aguirre Caneda3, Miguel Gómez Villarino4, Fernando R. Mazarrón5, Ignacio Cañas6 1   Escuela Técnica Superior de Ingeniería Agronómica,

Leer más

Sobre el proyecto Cowinergy

El sector vitivinícola español presenta una gran relevancia en términos económicos, sociales y medioambientales, siendo el país con mayor extensión de viñedo, y alcanzando en

Leer más
Ir arriba