城市交通流量日益繁忙，令桥梁与道路网络承受更大压力，建立一套高效且可靠的道路安全监测统系更具挑战。香港理工大学（理大）研究团队开发一项创新多层次智能模型，有效提升对混凝土桥梁表面与地下缺陷的检测和评估能力，从而加强安全，延长公共基础设施的使用寿命。
气温与湿度上升会加速钢筋腐蚀及混凝土性能退化，导致裂缝、剥落等问题，削弱结构强度。在城市密集的环境下，这些问题和风险更为加剧，因为侦测与维修工作往往涉及复杂的后勤安排。虽然目视检查（VI）仍然是目前评估桥梁结构状况的主要方法，但其对地下缺陷如钢筋腐蚀的辨识能力有限。为克服这些局限，理大建筑及房地产学系教授 Tarek ZAYED教授与研究团队，开发出一套先进的无损检测（NDT）技术，能主动且有效地检测混凝土桥面的表面与地下缺陷，从而提高检测的准确度，并增强道路安全保障。
这项研究整合多项先进技术，包括利用无人机目视检查进行自动化数据收集、探地雷达（GPR）绘制地下腐蚀分布图，以及红外线热成像（IRT）检测混凝土内部剥离情况。团队结合机器学习算法分析整合数据，建立一套能有效识别重大结构缺陷的多层次综合系统。
ZAYED教授表示：「我们的综合检测系统创新地结合了无人机、探地雷达与红外线热成像技术，并透过整合式人工智能方法，大幅提升缺陷的检测能力。这项技术不仅提高检测效率与准确度，还能自动生成桥面效率指数等退化分析报告。我们还设计了一套操作简便的智能工具，可自动分析桥面效率数据，以满足实际应用需求。此外，我们建立了一份5级严重程度的评级量表，以标准化检测流程，确定维修的优先级。 」
随着交通负荷日益加剧，桥梁检测需求持续上升，尤其是常见表面裂缝的监测。然而，传统目视检查在准确度、劳动密集度及主观性判断方面仍存在一定问题。为解决这些挑战，ZAYED教授的团队开发出YOLOv8-GAM-WISE-IoU，一种基于深度卷积神经网络（CNN）的高效桥梁裂缝自动检测模型。研究结果显示，该模型具备卓越的精确度，展现出在各种实际应用上极具潜力。
探地雷达是一种先进的无损检测技术，用于实时评估混凝土腐蚀情况，但其数据分析过程相当复杂且耗时。为解决此问题，研究团队开发一套全自动的探地雷达数据解读方法，及钢筋腐蚀评估技术。此方法具有强大的钢筋定位与腐蚀测绘功能，准确率与召回率均超过98%。此外，这套标准化方法还能准确识别潜在的腐蚀区域，为结构监测提供可靠依据。
恶劣环境、老化，以及交通载荷引起的磨损，会加速混凝土构件的退化，造成结构损伤与表面裂缝，最终导致桥面钢筋腐蚀。研究团队利用红外线热成像技术，建立一套「最佳热梯度阈值」（OTGT）系统，用于检测混凝土桥面的剥离区域。此智能系统还能自动生成剥离图与阈值，以便及时诊断与维护，有效延长桥梁使用寿命。
ZAYED教授在桥梁检测与安全方面的研究成果，已发表于多本国际期刊，包括《建筑与建筑材料》（Construction and Building Materials）、《建筑自动化》（Automation in Construction）及《高级工程信息学》（Advanced Engineering Informatics）。这项研究亦获得了智慧交通基金支持，资助金额约800万港元，资助编号为PSRI/14/2109/RA。
