中華民國內政部建築研究所中華民國內政部建築研究所

近年來為照顧弱勢及青年族群的居住需求，社會住宅等建築物之興建數量大幅成長，然面對營造業缺工、技術工老年化及工安環保要求逐漸提高的問題，部份社會住宅等建築工程開始思考導入預鑄工法之可行性。預鑄工法先行於預鑄廠完成構件，再於工地現場進行構件吊掛與組裝，不僅可大量減少工人需求、減少假設工程及施工廢料、工安事故發生機率、工期，亦可提高工程品質穩定度。
依據行政院核定之「社會住宅興辦計畫」，政府預定於113年前直接興建16萬戶社會住宅，及包租代管12萬戶。為於短期間內興建大量社會住宅等建築物，並兼顧營造業缺工、技術工老年化、工安環保要求，及確保施工品質等，採用預鑄工法興建社會住宅等建築物將為未來新建建築工程之推動重點。近年來，國內BIM的使用逐步提高，再加上人工智慧與辨視技術（如RFID、影像辨視、QRCode）應用已然成熟，因此本計畫以社會住宅等建築預鑄工程為標的，研究應用BIM、辨識技術與人工智慧等技術於建築物預鑄工程之管理。
本研究為求有效應用工地現場蒐集之巨量影像資料，針對預鑄工法，利用、延伸電腦視覺演算法建立現地點雲模型呈現工程現場進度，並結合4D BIM模型建立虛擬視覺模型。此虛擬視覺模型可作為提取進度特徵資訊之基礎，另外加上計算攝影、電腦圖學技術，可系統性蒐集進度特徵資訊，包括點雲及BIM的法向量、深度等。最後運用深度學習卷積神經網路判斷預鑄元件安裝進度。本研究採用之方法主要可以分為三個模組：（一）虛擬視覺模型建立、（二）特徵資訊蒐集、（三）深度學習模型分析。
研究流程主要依據方法分為以下步驟：蒐集影像資料、建立點雲模型、建立4D BIM模型、結合點雲模型及4D BIM模型建立虛擬視覺模型、進行所有BIM元件及點雲網格模型反投影至所有影像資料、所有影像資料超像素處理、將超像素中兩模型之深度、法向量及顏色資訊結合、輸入深度學習模型、分析工程進度。
本期研究結果發展出一系統包括影像資料的蒐集規則，模型轉換與貼合，整合虛擬視覺模型進而後續由深度學習分析工程進度。研究結果初步證實運用深度學習、BIM、點雲模型進行預鑄工程進度分析之可行性。