理大开发多层次智能桥梁检测系统 高效识别结构隐患

香港交通基建承受全球最高交通密度之一的巨大压力，确保桥樑结构安全成为当务之急。香港理工大学（理大）研究团队开发创新「智慧桥樑检测系统」，能够精准识别桥面裂缝及肉眼难辨的潜藏结构问题。该多层次系统整合了理大自主研发的先进无损探测技术及人工智能模型，已于本地11座桥樑完成检测。结果显示，该系统可将检测时间缩短一半，并显着提升检测准确度至八成，具有在全港桥樑广泛应用的潜力。

香港常用的传统基建目视检查方法需要动用大量人力且主观性强，对钢筋腐蚀等地下缺陷的辨识能力有限，更需要封闭道路方能进行。由理大建築及房地产学系教授 Tarek Zayed教授带领其研究团队开发的创新系统，利用无人机、探地雷达（GPR）及红外线热成像（IRT）三种先进工具的组合取代人工检查，收集桥樑表面及内部结构的全面数据，再利用人工智能模型进行自动化分析，提升检测的准确度及效率。

桥面裂缝检测对维持桥樑健康至关重要。研究团队利用无人机进行目视检查，再通过其自主研发的「智慧桥面高效检测模型」处理所得数据。即使在面对恶劣环境如光线不足、阴影等，该模型亦能达到优于其他现行方法的检测准确度，且更少出现误判、与表面刮痕混淆等检测问题。

桥面裂缝往往预示了地下结构受损的深层问题，例如钢筋腐蚀。团队开发的全自动GPR数据解读模型，能以高达98%的准确度定位钢筋位置，并通过对振幅数据进行标准化处理及聚类分析，生成腐蚀区域分佈图。此模型大大简化了基于GPR的腐蚀评估流程，令相关工作变得更加快捷和易于操作。

另一常见桥樑结构问题是内部混凝土构件退化，导致剥落及层面分离。团队提出一套用于处理IRT数据的「最佳热梯度閾值系统」，能根据外在环境狀况调整閾值，以更精确判断剥离区域。团队基于此系统开发的智慧模型，更能自动生成剥离分佈图，进一步提高诊断能力。

Tarek Zayed教授说：「这套混合检测系统兼顾桥面及地下缺陷，并通过人工智能驱动的整合方案，同时提升了检测效率和准确度。我们更制定了一个五级制的缺陷严重程度评级，以标准化检测流程，方便诊断及确定维修的优先顺序。此外，团队开创的『智慧桥面高效检测模型』具备全面的功能，能基于从各类探测技术收集所得的数据，精细地评估桥樑狀况。」

他补充：「我们目前正积极探讨与相关政府部门及业界伙伴合作，将系统应用于香港的定期桥樑检测工作，为实现智慧基建管理迈出关键一步。我们的目标是长久保障香港擁有安全和可靠的桥樑。」

这项为期两年的研究得到智慧交通基金的支持。该团队的研究成果已发表于不同国际期刊，包括《建築与建築材料》、《建築自动化》及《高级工程资讯学》。展望未来，Zayed教授及其团队将进一步推进相关技术研发，并在香港推动智慧桥樑检测。

***完***