记者从香港理工大学了解到，近日，该校研究团队开发出了“智慧桥梁检测系统”，能够精准识别桥面裂缝及肉眼难辨的潜藏结构问题。该多系统整合了研究团队自主研发的先进无损探测技术及人工智能模型，已在香港本地11座桥梁完成检测。

结果显示，该系统可将检测时间缩短一半，并显著提升检测准确度至八成，具有在全香港桥梁广泛应用的潜力。该工作为其两年，相关研究成果此前已发表于《建筑与建筑材料》《自动化建造》及《高级工程信息学》等期刊上。

香港常用的传统基建中的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。由港理工建筑及房地产学系教授 Tarek Zayed团队开发的“智慧桥梁检测系统”，利用无人机、探地雷达及红外线热成像三种工具的组合取代人工检查，收集桥梁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梁健康至关重要。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。

研究团队开发的先进无损探测技术以人工智能模型。港理工供图

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。团队开发的全自动探地雷达数据解读模型，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，生成腐蚀区域分布图。该模型大大简化了基于探地雷达的腐蚀评估流程，令相关工作变得更加快捷和易于操作。

此外，针对内部混凝土构件退化导致剥落及层间分离的问题，团队提出一套用于处理红外线热成像数据的“最佳热梯度阈值系统”，能根据外在环境状况调整阈值，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布图，进一步提高诊断能力。

Tarek Zayed表示：“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，精细地评估桥梁状况。”

目前，研究团队正积极与相关政府部门及业界伙伴探讨合作，将系统应用于香港的定期桥梁检测工作中。

相关论文信息：

https://doi.org/10.1016/j.aei.2025.103520

https://doi.org/10.1016/j.conbuildmat.2024.135025

https://doi.org/10.1016/j.autcon.2024.105631