| 项目编号: | ITP/020/18LP |
| 项目标题: | 基于计算机视觉与机器学习之施工品质管控使能技术研究 |
| 研发单位: | 香港理工大学 |
| 概要: | 品质偏差是香港建造业普遍存在的现象，而传统的方法对问题此效果欠佳。品质偏差可能导致重大的成本超支和项目延迟;甚至成为对公众健康和福祉的威胁。现有的多层分包制度的做法加居了这种情况, 因为分包商在执行任务时可能采用较低的标准。此外, 建筑地盘作业的不连续、分散、多样和独特 (即四 "D") 性质, 很容易令那些经常需要每天走访多个地点的质检员/管理人员不堪重负。因此, 品质检查是费时和体力集中的;而由此产生的品质记录往往缺乏关键资讯，不能反应真实情况。品质管制变成事后补救。在某些情况下, 检查程式完全被忽略, 而没有进行实际检查便签署了表格。 在先前的课题 (ITP/036/12LP) 中, 课题小组证明, 从电子标签收集的即时位置可以转化为主动的安全警示信号, 以改善现场安全。在另壹个课题 (ITP/002/16LP) 中, 我们开发了壹个云基于BIM的平台, 利用计算机视觉技术透过现场图像来识别建造进度。有了这些初步的成果, 我们建议开展加强建设项目的品质管制的使能技术研究。 具体地说, 本课题的目的是开发基于计算机视觉 (CV) 的机器学习技术 (ML), 将当前人工品质管制实践转化为壹个自动化的过程。待发展的使能技术将即时分析被监视摄像头捕获地盘活动;然后利用机器智慧来确定这些活动中是否存在品质偏差或缺陷。 这项研究代表了创新地发展和改进 CV 和 ML, 将现场检查人员从繁琐的现场检查和手动建档任务中解放出来。开发的技术可以消除建筑工程品质偏差的根本原因。该技术是非侵入式的, 它在实施过程中需要很少的额外费用 (地盘中已普遍安装监视摄像头)。将一部用于安全监控的相机升级为服务于质量监控，其成本约为300港币。因此, 它具有很大的潜力被广泛采用。 多个组织机构,包括俊和建筑、中国海龙建筑科技、 Harbour Group、Openplatform Technology等,都表示对上述技术的试用有强烈的兴趣。我们相信,市场对于该技术存在着大量的需求,该项目的成果将为建造业带来巨大的影响。 |
| 项目统筹员: | 李恒教授 |
| 资助金额: | 港币七百六十万 |
| 项目周期: | 2018年06月01日至2020年05月31日 |
