| 項目編號: | ITP/020/18LP |
| 項目標題: | 基於計算機視覺與機器學習之施工品質管控使能技術研究 |
| 研發單位: | 香港理工大學 |
| 概要: | 品質偏差是香港建造業普遍存在的現象，而傳統的方法對問題此效果欠佳。 品質偏差可能導致重大的成本超支和項目延遲;甚至成為對公眾健康和福祉的威脅。 現有的多層分包制度的做法加居了這種情況, 因為分包商在執行任務時可能採用較低的標準。 此外, 建築地盤作業的不連續、分散、多樣和獨特 (即四 "D") 性質, 很容易令那些經常需要每天走訪多個地點的質檢員/管理人員不堪重負。 因此, 品質檢查是費時和體力集中的;而由此產生的品質記錄往往缺乏關鍵資訊，不能反應真實情況。 品質管制變成事後補救。 在某些情況下, 檢查程式完全被忽略, 而沒有進行實際檢查便簽署了表格。 在先前的課題 (ITP/036/12LP) 中, 課題小組證明, 從電子標籤收集的即時位置可以轉化為主動的安全警示信號, 以改善現場安全。 在另壹個課題 (ITP/002/16LP) 中, 我們開發了壹個雲基於BIM的平臺, 利用計算機視覺技術透過現場圖像來識別建造進度。 有了這些初步的成果, 我們建議開展加強建設項目的品質管制的使能技術研究。 具體地說, 本課題的目的是開發基於計算機視覺 (CV) 的機器學習技術 (ML), 將當前人工品質管制實踐轉化為壹個自動化的過程。 待發展的使能技術將即時分析被監視攝像頭捕獲地盤活動;然後利用機器智慧來確定這些活動中是否存在品質偏差或缺陷。 這項研究代表了創新地發展和改進 CV 和 ML, 將現場檢查人員從繁瑣的現場檢查和手動建檔任務中解放出來。 開發的技術可以消除建築工程品質偏差的根本原因。 該技術是非侵入式的, 它在實施過程中需要很少的額外費用 (地盤中已普遍安裝監視攝像頭)。將一部用於安全監控的相機升級為服務于質量監控，其成本約為300港幣。 因此, 它具有很大的潛力被廣泛採用。 多個組織機構,包括俊和建築、中國海龙建筑科技、 Harbour Group、Openplatform Technology等,都表示對上述技術的試用有強烈的興趣。我們相信,市場對於該技術存在著大量的需求,該項目的成果將為建造業帶來巨大的影響。 |
| 項目統籌員: | 李恆教授 |
| 資助金額: | 港幣七百六十萬 |
| 項目週期: | 2018年06月01日至2020年05月31日 |
