智慧工地安全守護者：AI 技術翻轉傳統營建巡檢
2026-09-09
在規模龐大且環境複雜的營建工地中，安全管理始終是工程推動的核心關鍵。過去監造人員與巡檢工程師每日穿梭於工地現場，拍攝成百上千張照片以記錄施工進度與工安缺失。然而，傳統依賴人工檢視影像的方式不僅耗時費力，更面臨判斷標準因人而異、容易遺漏潛在危害的瓶頸；同時，巡檢發現的缺失往往缺乏與龐雜工安法規的即時連結，導致安全經驗難以有效累積與傳承。為了打破此一管理痛點，台灣世曦工程顧問公司攜手淡江大學與雲林科技大學研究團隊，共同研發「營建工地影像生成文字摘要系統」，運用先進的生成式 AI 與法規檢索架構，為工地巡檢帶來革命性的數位轉型。
破解工安巡檢痛點的三大 AI 核心技術
工地現場環境高度多樣且不規則，光線變化、拍攝角度以及紛亂的背景雜物，都大幅增加了影像辨識的難度，更對語言描述的專業度與法規引用嚴謹性提出嚴苛考驗。為此，研究團隊設計了整合「多模態模型」、「大語言模型」與「檢索增強生成（RAG）」的創新技術架構。
在此架構中，多模態模型如同 AI 的「眼睛」，負責直接解析工地影像中的人員裝備、施工機具與周遭環境特徵，將視覺畫面轉化為客觀的標準化場景描述。大語言模型則擔任 AI 的「大腦」，憑藉強大的邏輯推理能力，深入分析缺失的可能成因（例如設備擺放失當或操作不當），並擬定條理清晰的風險說明。最後，檢索增強生成技術與圖像檢索扮演 AI 的「記憶庫」，主動對接經專家審核的國家工安法規結構化資料庫，使系統在指認缺失時能自動對應具體違規條款，徹底解決生成式 AI 容易產生「幻覺」或法規錯置的業界難題。
從照片到法規報告，自動化摘要的運作流程
這套智慧巡檢摘要系統能精準輸出專業報告，歸功於嚴謹的資料基底與流暢的自動化作業流程。在研發初期，團隊彙整了台灣世曦歷年的工地影像與工程師描述，進行多重資料清洗，包含校正錯字、統一專業用語、刪除贅字與不符影像的描述，確保輸入模型訓練的皆為高品質數據。
當巡檢人員於現場拍下照片並上傳後，系統便會啟動自動化運算流程：首先由視覺多模態模型還原畫面細節與場景上下文；接著由大語言模型推論缺失成因，指認如吊鉤未置防滑舌片、鋼筋未做防護或防護裝備缺失等風險；最後藉由圖像檢索快速比對結構化法規庫，直接產出結合場景描述、安全風險與適用條文的完整文字摘要。此一自動化流程讓原本繁雜的人工查表與報告撰寫大幅簡化，顯著提升了現場管理效率。
實測成效與專家評估，強項與精進方向
為了驗證系統於真實場域的可用性，研究團隊導入實際工程案例，並邀請專家依據「場景描述準確性」、「缺失內容正確性」、「法規適合性」及「潛在缺失辨識能力」四大構面進行 1 至 5 分的量化評估。評估結果顯示，系統於各工安類別的綜合平均分數普遍落於 4.00 至 4.60 分之間，展現出極高的實務應用價值。
特別是在「大型機具」與「機具不當使用」等具體物件與操作缺失上，系統皆取得 4.60 分的高評價，顯示其對顯著特徵的辨識力與法規對應非常精確。然而，評估數據也指出系統在「環境衛生」類別表現較弱（缺失符合性僅 2.40 分），主因在於積水與雜物屬於非特定物件缺失，且訓練資料較少，導致系統難以準確評估髒亂程度。此外，系統在「施工架」與「安全防護」類別雖然能準確匹配法規，但在細節語意描述上仍有與專家預期落差之處，為後續模型優化指明了方向。
結語
「營建工地影像生成文字摘要系統」的開發，展現了生成式 AI 輔助工地安全管理的龐大潛力。透過將自動化影像分析與法律規範知識庫深度連結，系統成功重塑了傳統巡檢模式，不僅減輕監造人員的行政負擔，更協助工地及時預防安全事故。未來隨著法規知識庫的持續擴充、視覺模型與圖像檢索的深化，以及與既有 PMIS 管理系統和自動化巡檢載具的結合，智慧工地將邁向更具效率、更安全的新時代。
深入閱讀：智慧工地 AI 巡檢技術與應用報告
146