（上圖）團隊以香港九龍區約 9000 幢建築物的街景圖像進行了全區測試，僅四小時便生成了一份彩色編碼標示的地圖，對樓宇缺陷作出評分

香港大學建築學院房地產及建設系團隊，研發了一套創新的人工智能建築檢測系統 eCheckGo，其能在數秒內分析數十張影像，檢測速度較現有其他自動化技術方案至少快 100 倍，成本效益亦提升 8 倍。驅動該系統的「缺陷檢測大模型」，最近在第 51 屆日內瓦國際發明展中獲「評判特別嘉許金獎」。

研究背景

香港樓宇持續老化，預計到 2030 年，樓齡達五十年或以上的私人樓宇將有 14,000 幢，維修保養的需求殷切，但若以傳統方式進行，則耗時又成本高昂，或導致結構缺陷未能及早發現，構成潛在風險。

研究成果

港大建築學院房地產及建設系陳俊傑教授、呂偉生教授帶領的團隊，研發了「缺陷檢測大模型」（LdM），配合傳統人工智能算法，集成驅動 eCheckGo 系統。

團隊研發的「缺陷檢測大模型」使用互聯網規模的建築檢測相關數據進行訓練，並結合了該領域專用的檢驗影像及文字提示，能在不同類型建築中提供一致且可靠的缺陷識別結果。用戶可拍攝建築物內外照片或直接運用現有的街景影像，讓 AI 系統自動偵測裂縫、混凝土剝落等缺陷。eCheckGo 能在數秒內分析數十張影像，並將分析結果整合至所生成的 3D 雲端數據點，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 8 倍。

可用手機拍攝，將分析結果整合為 3D 數據

為了進一步驗證成效，團隊利用現有的二級數據，以香港九龍區的 9,172 幢建築物的 Google 街景圖像進行了全區測試。僅四小時內，系統便生成了一份彩色編碼標示的地圖，按 10 個等級對樓宇缺陷作出評分。相關結果獲專業建築測量師透過實地檢測加以核實。

團隊表示，政府部門及業界正關注 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，包括偵測漏水及滲水、生成符合專業格式的文字報告。

如欲知道更多教科相關消息，請留意京港 Facebook 專頁：https://www.facebook.com/BHKAEC