随着建筑行业产业的不断升级,建筑节能减排工作已成为绿色建筑发展重中之重的环节,因此减少建筑外墙外保温层因缺陷而造成的传热能耗损失,对于建筑节能具有重要意义。但因建筑外墙外保温层结构的特殊性,现有的缺陷检测与识别方法由于效率低、漏检率高、破环性强等缺点,无法满足当今外保温层缺陷的检测需求。为此,本文基于红外图像对建筑外墙外保温层缺陷进行检测与识别研究,以红外热成像无损检测技术、图像处理算法与深度学习算法为基础,并通过探究图像获取环境条件、增强图像预处理效果、提升网络模型识别准确率以及优化检测与识别,为实际工程中外保温层缺陷检测与识别工作提供一种新的可行方案。本文围绕红外图像处理对建筑外墙外保温层缺陷检测与识别展开研究,主要研究内容与工作如下:（1）针对外保温层缺陷表征温度的变化规律与图像获取之间的关系,基于红外热成像无损检测技术提出了一种建筑外墙外保温层缺陷检测方法。为获取缺陷显示效果最佳的图像,通过红外热像仪采集外保温层缺陷红外图像,分析红外图像不同区域在不同时间内表征温度的规律,得到了外保温层缺陷红外图像获取的最佳检测条件。（2）针对传统区域生长法对于缺陷红外图像分割效果不佳的问题,提出了一种改进区域生长法的红外图像分割优化算法进行图像分割。采用二维OTSU法搭建二维直方图搜索全局最优阈值,以最优阈值确定并更新区域生长准则,构建滑动矩阵通过均值计算自动选取初始种子点,在保证特征细节不丢失的情况下实现对图像缺陷区域的自动分割,提升了图像分割的质量与速度。（3）为解决建筑外墙外保温层缺陷识别准确率较低的问题,提出了一种改进的Inception-Res Net网络模型对建筑外墙外保温层缺陷进行识别。选择Inception-Res Net-v2作为基础网络模型,从卷积核的个数和尺寸入手,改进优化网络结构,加深网络层次;结合注意力机制思想,增强模型特征信息融合的效果;使用Mish激活函数,提升模型特征提取的能力。利用改进后的网络模型在自主制作的外保温层缺陷数据集上进行训练与测试,其识别准确率高于其他网络的识别结果。（4）作为面向实际工程应用的研究,设计了一套建筑外墙外保温层缺陷检测与识别系统。利用了无人机、激光雷达等现代科技设备和手段搭建了外墙外保温层缺陷采集平台,并构建GUI界面,增强操作的可视化效果,简化整体操作流程,进一步增强本文研究在实际工程中的可应用性。