Precieze thermografie met computer vision






Wij zijn gespecialiseerd in nauwkeurige thermografiediensten voor gebouwen, fotovoltaïsche installaties en technische infrastructuur.
Met de modernste warmtebeeldtechnologie, drone-inspecties en AI-gestuurde computer vision maken wij energieverliezen, koudebruggen, vochtschade en technische defecten zichtbaar. Zo kunnen problemen vroegtijdig worden opgespoord en kosten door gevolgschade worden voorkomen.
Ons dienstenaanbod varieert van de analyse van woningen, industriële hallen en kassen tot fotovoltaïsche installaties, batterijen, laadstations en transformatoren.
Exploitanten, huiseigenaren, makelaars en energieadviseurs profiteren van een betrouwbare basis voor beslissingen over aankoop, renovatie, onderhoud of schadebeoordeling.
De data-analyse wordt uitgevoerd door een in Duitsland erkende expert op het gebied van milieu en duurzaamheid, met een doctorstitel in technologie en productiviteit.
Hierdoor combineren wij technische expertise met een diepgaand inzicht in duurzaam energiegebruik, voor efficiënte, veilige en toekomstgerichte oplossingen.
Geavanceerde computer vision en experimentele analyses op het hoogste technologische niveau
AI in thermografie is geen wondermiddel, maar het onthult consequent diagnostisch relevante kenmerken die menselijke inspecteurs vaak over het hoofd zien of niet betrouwbaar kunnen onderscheiden. Fouten die tijdens de gegevensverzameling ontstaan, kan het niet corrigeren. Bij hoogwaardige input maakt het echter streng wetenschappelijk en mathematisch onderbouwde conclusies mogelijk, waardoor anders kwalitatieve thermische onderzoeken worden omgezet in kwantitatief reproduceerbare classificatieanalyses.
Omdat thermogrammen pixel voor pixel radiometrische meetwaarden bevatten die moeten worden gecorrigeerd voor emissiegraad, gereflecteerde schijnbare temperatuur en atmosferische verzwakking, kunnen zelfs zeer kleine verschillen tussen pixels worden gedetecteerd, samengevat en geïnterpreteerd met moderne neurale architecturen.
Bepaalde anomalieklassen zijn in passieve thermografie met niet-invasieve opnames op één enkel tijdstip niet direct zichtbaar. Actieve thermografie is thermisch gestimuleerd, gedeeltelijk invasief en kan met één of meerdere tijdopnames deze beperkingen aanpakken door gecontroleerde stimulatie toe te passen en de daaropvolgende afkoelcurves te analyseren. Dit verhoogt het detectiepercentage, maar is in de uitvoering aanzienlijk complexer en veel kostbaarder.
Moderne AI kan onder bepaalde scenario's vergelijkbaar onderscheidende signalen uit volledig passieve opnames halen en blijft daarbij volledig niet-invasief. Dit wordt vooral bereikt door geavanceerde en normconforme opnameprotocollen volgens DIN EN 13187 en DIN 54190, in combinatie met wetenschappelijk gevalideerde dataverwerkings- en analysepipelines die de signaal-ruisverhouding verbeteren en zo een robuuste anomaliedetectie mogelijk maken.
Bij Arcana Lumen maken wij gebruik van verschillende volledig niet-invasieve experimentele methoden om moeilijk waarneembare thermische anomalieën zichtbaar te maken. Bovendien leveren onze methoden technische dataschattingen met statistische betrouwbaarheidsniveaus van meer dan 90 procent.
Enkele fundamentele analyses zijn ook opgenomen in ons demorapport. Hieronder vindt u enkele van de parameters die met onze niet-invasieve experimentele thermische inspectiemethoden kunnen worden geschat.








Oppervlakte van een anomalie in vierkante meter
Aantal anomalieën per beeld of object
Coördinaten van het zwaartepunt van een anomalie in beeldcoördinaten
Ernstscore per anomalie – schaal bijvoorbeeld 0 tot 100
Klasse-indeling met waarschijnlijkheid in procenten
Onzekerheids- en betrouwbaarheidswaarden per pixel of per bevinding in procenten
Isothermen als contourlijnen, zonder labels of met temperatuurwaarden
Vectorveld van warmtestroom weergegeven als pijlen
Afkoel-/opwarmingssnelheid per ROI: dT/dt [°C/min] met betrouwbaarheidsinterval
Schijnbare warmtestroomkaart q″ [relatief of absoluut bij kalibratie],
afgeleid uit lokale ∇T en modelaannamesRelatie tussen wind en warmteoverdracht: coëfficiënten van h ≈ a + b·Uⁿ
(U = windsnelheid), inclusief n en R²Vertraging ten opzichte van omgevingsvariabelen: kruiscorrelatievertraging tussen wind/lucht-T en oppervlak-ΔT(t) [s]
dT/dt-heatmaps (waar de opwarming/afkoeling momenteel het snelst plaatsvindt)
Video van de ontwikkeling van isothermen (contourbeweging frame voor frame)