AI工程師的技術視角：建造業安全監測的電腦視覺與落地實踐（王嘉敏）
本文作者王嘉敏（Jazzy），為托寶智能方案行政總裁。
智慧城市、工業自動化、物業管理……AI的討論無處不在。然而，市場追捧各種智能方案的同時，真正打造這些系統的AI工程師，其工作日常卻鮮為人知。事實上，他們的工作，遠非螢幕前的編碼那麼單純。早前於創科展會與合作夥伴智建系統（3S）的AI工程團隊代表Keith探討模型訓練的具體過程，在這也想分享一下，希望大家也對這群「轉譯者」的價值有更深的了解。
一般人以為AI工程師終日埋首程式碼，實情是，他們多數時間用於與安全專家、前線工人及客戶溝通。工地安全系統的設計，必須先釐清工人為何不戴安全帽、帽繩為何常未扣好——這些答案無法憑空推測，惟有親身走訪現場，觀察行為模式，再回歸數據處理與模型訓練。訓練完成的模型，尚需部署至工地伺服器或邊緣設備，因網絡條件不穩定，雲端並非萬能選項。
以帽繩偵測為例，繩體纖細，工人轉身或舉手即可能遮擋，加上戶外光線、陰影與雨天變化，AI極易誤判。工程師的解法相當務實：採用大量本地工地實景影像訓練模型，並設計後處理邏輯，例如比對連續數幀的判斷結果，避免系統出現「前一刻偵測到、下一刻又消失」的反覆情形。此外，他們運用姿態估計鎖定頭部區域，再集中分析帽繩部位，顯著提升準確率。這類細膩調校，正是其系統優於市場常見方案的核心因素。
Keith與團隊近期投入一項新方向——讓AI不但被動通報違規，更嘗試預測工人行為意圖。例如，當系統捕捉到某人伸手觸碰帽帶，能否推斷其可能準備脫帽？若有人在禁煙區取出煙盒，系統能否於點火前發出警示？此路困難重重，「意圖」定義模糊，相關訓練數據匱乏，運算成本亦高；但若突破，對工地安全的貢獻將極為可觀。
Keith也分享了兩段經歷。其一，雨天誤報率驟升，追查後發現雨水在鏡頭前形成類似物件邊緣的干擾，影響模型判斷。團隊遂蒐集更多雨天影像重新訓練，並引入天氣模擬以補足數據缺口。其二，內部對「帽繩繫緊與否」的定義爭論不休，最終團隊直接前往工地實地量測，並與安全專家共同制定統一標準，才化解歧見。這些案例讓團隊深刻體認：技術再先進，若缺乏安全專業、現場驗證與用戶回饋，終究流於空談。
AI工程師的定位，遠遠超越「撰寫演算法」。他們是科技與現實的介面，既要精通技術，亦需理解行業脈絡，更必須善於與人合作。在香港建造業邁向智慧化的進程中，這群人用專業守護工地安全，也守護每名工人背後的家人。這份工作的意義，比表面所見更為深重。
更多王嘉敏文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
