傳媒

隨著樓宇老化問題日益嚴重，在香港等人口稠密的城市，樓宇維修與安全評估正面臨前所未有的嚴峻挑戰。傳統以人手進行的樓宇巡查既耗時又成本高昂，導致結構缺陷未能及早發現，從而對公眾安全構成潛在風險。為應對以上挑戰，香港大學（港大）建築學院房地產及建設系陳俊傑教授與呂偉生教授帶領的研究團隊，研發出一套創新的人工智能（AI）建築檢測系統eCheckGo。

eCheckGo由團隊自主研發的「缺陷檢測大模型」(LdM) 結合傳統人工智能演算法驅動，該項突破性技術更於最近的第51屆日內瓦國際發明展中榮獲「評判特別嘉許金獎」，顯示其卓越的科學成就及實際應用潛力獲國際認可。

打破限制：速度、簡便性與靈活性

隨著香港樓宇持續老化，建築缺陷帶來的風險亦將日益增加。截至2020年底，政府估計約有8,700幢私人樓宇樓齡達50年或以上；到2030年，相關數字預計將上升至近14,000幢。因此，要及時應付維修保養的殷切需求已變得愈趨困難，尤其以傳統方式進行，即使是單幢樓宇的檢查已需耗時數日。

eCheckGo 系統透過提供高速而靈活的評估方式，重新定義傳統樓宇檢測流程。與勞動力密集的傳統方法相比，eCheckGo能在數秒內分析數十張影像，其檢測速度較現有其他自動化技術方案至少快100倍，同時成本效益亦提升達8倍。憑藉顯著的效率優勢，eCheckGo能有效實現更頻繁且主動的大規模樓宇狀況監測。

以上功能由eCheckGo自主研發的專有「缺陷檢測大模型」（LdM）驅動，這是一個多模態大模型，並已使用互聯網規模的建築檢測相關數據進行訓練，透過結合領域專用的檢驗影像及文字提示，大模型能在不同類型建築中提供一致且可靠的缺陷識別結果。eCheckGo的設計以易用為原則，用戶可透過手機應用程式拍攝建築物內外的影像，或直接運用現成的Google街景影像。AI系統會自動偵測裂縫、混凝土剝落等缺陷，並將分析結果整合至生成的3D雲端數據點，而用戶更可透過這款互動式3D模型放大或縮小畫面，清楚檢視缺陷的實際形狀及尺寸。

經實證的效能與未來影響

為了進一步驗證系統在大規模應用上的能力，團隊利用現有的二級數據，以九龍區9,172幢建築物的Google街景圖像進行了全區測試。在短短四小時內，eCheckGo便生成了一份彩色編碼標示的地圖，按0（健康）至10（危險）的等級對樓宇缺陷作出評分。相關結果其後亦由專業建築測量師透過實地檢測加以核實。

陳教授強調及早偵測的重要性，他表示：「樓宇檢測對於及早識別缺陷並迅速採取補救措施至關重要，但傳統方法既耗人力又費時，在現實中往往未能全面推行。」他又補充，eCheckGo的最大優勢在於能以直觀的互動3D模型，呈現建築物的整體狀況：「用戶可以輕易掌握樓宇的整體狀況，準確定位缺陷所在位置，並評估其規模、形狀及尺寸。透過將相關資訊整合於同一平台，可協助用戶作出更及時且周全的維修或翻新決策。」

從科研成果轉化為正面社區影響

政府部門及業界團體均關注eCheckGo的研究成果，目前正就其在社區層面的應用展開積極討論。研究團隊亦正進一步擴展系統功能，包括新增偵測漏水及滲水問題，以及自動生成符合專業格式的文字報告。這項目不但體現了港大致力將尖端科研成果轉化為實際應用的承諾，更為香港、東京及新加坡等高密度城市，提供應對城市老化問題的可行解決方案。

傳媒查詢，請聯絡：
姚翠婷
香港大學副校長（研究）辦公室
電話：3917 3949   電郵：estherey@hku.hk