混凝土也有「指紋」？日本安部日鋼工業的 AI 落地實踐與技術深度解析
混凝土也能像人臉辨識一樣，擁有專屬的「數位身分證」？
日本預力混凝土（Prestressed
Concrete, PC）指標企業安部日鋼工業（Abe Nikko Kogyo），近年攜手 NTT 西日本與 AI 企業 ExaWizards，將電腦視覺、物聯網（IoT）與水化動力學深度導入預鑄工廠與重大土木工程現場。
本文深入拆解安部日鋼工業的三大核心 AI 落地技術，並探討這波數位轉型如何為混凝土產業帶來突破性的升級路徑。
一、 核心專利：混凝土骨材配置 AI 認證技術（特許第 7369316 號）
傳統工程中，構件主要依靠條碼標籤、噴漆編號或 RFID 晶片進行管理。然而，在戶外暴曬、地下潮濕、雨水沖刷與紫外線侵蝕下，實體標籤極易在數年內脫落、磨損或受損，導致構件在長達 50～100 年的生命週期中失去追溯性。
安部日鋼工業打破「附加外部標籤」的思維，直接利用材料本身的微觀物理特性：
1.
特徵形成原理：
在預鑄構件表面指定微小區域進行輕度物理研磨（深度僅數毫米），露出水泥砂漿與天然粗細骨材交織的截面。由於天然骨材的粒徑大小、幾何外形、長寬比以及空間相對拓撲座標具有絕對的物理隨機性，構成了獨一無二的「混凝土天然指紋」。
2.
AI 演算法架構：
Ø 影像特徵萃取（Feature Extraction）： 採用深度卷積神經網路（CNN）與視覺 Transformer（ViT）架構，自動濾除現場光影變異、微細刮痕、表面風化色差與髒污雜訊，精準標定骨材幾何質心與邊界特徵。
Ø 高維向量檢索（Vector Matching）： 將研磨面影像轉換為高維拓撲特徵向量，透過特徵比對演算法與工廠出廠時註冊於雲端資料庫的原始檔案進行 1:N 快速檢索。
3.
工程價值：
現場工程師僅需使用平板或智慧型手機拍照，AI 即可在數百毫秒內完成個體唯一識別（Individual Identification），實現預鑄 PC 構件（如鐵道軌枕、箱梁節段、地下儲水槽塊體）終身不滅的數位履歷與維護追溯。
二、 施工現場：密集配筋 AI 自動量測與 MR 遠隔臨場系統
預力混凝土（PC）構件因受力需求，斷面內鋼筋與預力鋼絞線配置極度密集。傳統人工持尺量測拍照檢驗，不僅耗費大量工時，且易受拍攝視角偏差影響，更存在高空作業的安全隱患。
安部日鋼工業於日本國土交通省 PRISM 計畫中導入智慧檢驗方案：
1.
電腦視覺自動幾何分析：
現場相機擷取鋼筋配置畫面後，透過語意分割（Semantic Segmentation）與物件偵測模型，自動分離各層鋼筋輪廓，即時計算鋼筋支數、排布間距、淨間距與保護層厚度，消除人為判讀誤差。
2.
MR（混合實境）與
BIM/CIM 數位雙生疊合：
利用混合實境技術（如
GyroEye XR 系統），將 3D 設計模型（BIM）精準投射於施工現場實景中。AI 演算法自動計算實體鋼筋與設計模型的空間偏差，一旦超出工程容許公差即時發出視覺警示。
3.
遠隔臨場（Remote Inspection）：
檢驗影像與 AI 分析數據即時加密串流至遠端監造端，監造單位無須親赴工地即可完成查驗簽證，大幅縮減 50% 以上的檢驗工時。
三、 預鑄工廠：蒸氣養護成熟度 AI 預測與閉迴路節能控制
預鑄廠的生產週期完全取決於構件何時能達到「脫模與預力施加（Detensioning）強度」。傳統做法多採用固定時程的高溫蒸氣加熱，容易造成能源過度消耗，或因溫升過快引發內部微裂縫與晚期強度倒縮（Crossover Effect）。
安部日鋼工業將水化熱動力學與 AI 預測模型結合：
1.
物聯網（IoT）多點熱歷程擷取：
於模具與構件內部埋設微型溫濕度感測器，即時監控核心與表面溫度變化，依據 Arrhenius 等效齡期法（ASTM C1074）持續累積成熟度指標（
2.
物理導向機器學習強度推估（Physics-Informed
ML）：
AI 模型同時整合膠結料配比參數（水膠比、卜特蘭水泥與礦泥摻料比例）、即時放熱速率與升溫斜率，動態預測當前抗壓強度發展歷程。
3.
智慧閉迴路溫控（MPC 預測控制）：
當 AI 推算構件「利用既有內部蓄熱與自然保溫降溫過程，即可在預定時程精準達到目標放張強度（如
振緯智匯觀點：解碼 AI 混凝土技術的本土痛點與轉型契機
成功的工程 AI 並非概念包裝，而是針對材料物理與現場痛點的精準演算法化。借鏡日本落地經驗，臺灣預拌與預鑄產業正面臨砂石變異大、低碳水泥衝擊早期強度，以及傳統驗收繁瑣等挑戰，亟需推動四大升級方向：
Ø 改進 1：AI 破解低碳膠結料早期強度痛點
面對低碳水泥早期強度發展慢、脫模時機難拿捏的挑戰，傳統經驗試誤已難以因應。應結 合水化動力學與機器學習，將等效齡期模型在地化，精準預測強度發育，在確保結構安全下最大化低碳配比效益。
Ø
改進 2：骨材動態視覺品管前移至輸送端
針對天然砂石與機製砂來源不一、含泥量波動大的問題，傳統人工抽樣洗砂往往為時已晚。應於輸送帶導入即時電腦視覺，動態監控粒徑分佈與含泥異常，建立拌合前的第一道前饋預警防線。
Ø 改進 3：預鑄智慧控溫與節能放張
打破固定時程的粗放式蒸養常態，透過埋設感測器串接成熟度演算法，建立本土熱歷程數位雙生模型。工廠可依即時強度提早停氣悶蒸，精準掌握放張時機、加快模具週轉，省下 20% 以上蒸氣能耗與碳費。
Ø 改進 4：推動檢驗數位化與遠端查驗
借鏡日本將 AI 納入驗收標準的經驗，推動 AI 配筋影像辨識與 MR 模型疊合，取代現場人工持尺抽驗與紙本作業，不僅能紓解缺工壓力，更帶動三級品管制度邁向數位化存證。
「以演算法解析材料，用數據流驅動品質。」
數位轉型是解決原料變異、缺工與淨零減碳的最短路徑。振緯智匯專注於材料工程與演算法的在地化整合，攜手產業界將傳統經驗轉化為精準數據資產。
留言
張貼留言