理工大学研究团队开发创新“智慧桥梁检测系统”，称能够精准识别桥面裂缝及肉眼难辨的潜藏结构问题。该多层次系统整合了理大自主研发的先进无损探测技术及AI人工智能模型，已于本地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，具有在全港桥梁广泛应用的潜力。该团队的研究成果已发表于不同国际期刊，包括《建筑与建筑材料》、《建筑自动化》及《高级工程资讯学》。

用无人机、探地雷达及红外线热成像取代人工检查

理大指出，香港常用的传统基建目视检查方法，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。

理大建筑及房地产学系教授Tarek Zayed带领其研究团队开发的创新系统，利用无人机、探地雷达（GPR）及红外线热成像（IRT）三种先进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

即使面对恶劣环境　仍能达到优于其他现行方法准确度

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。

团队指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。

团队开发的全自动GPR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，大大简化了基于探地雷达（GPR）的腐蚀评估流程，令相关工作变得更加快捷和易于操作。

另一常见桥梁结构问题是内部混凝土构件退化，导致剥落及层面分离。团队提出一套用于处理IRT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。

目前正探讨与相关政府部门及业界伙伴合作用于定期桥梁检测工作

Tarek Zayed教授表示，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。”

他补充说，目前正积极探讨与相关政府部门及业界伙伴合作，将系统应用于香港的定期桥梁检测工作，为实现智慧基建管理迈出关键一步。“我们的目标是长久保障香港拥有安全和可靠的桥梁。”