【本報專訪】「智管探」為水管「照胃鏡」AI鎖定滲漏源頭 水務署署長接受香港文匯報專訪 揭「秘密武器」全鏈條治理全港水管
編者按 供水網不單關乎民生，也關乎社會運作，香港文匯報將推出「水世界系列」，透過專家訪問拆解爆水管背後香港地下超級水管網絡面對「五高」（高齡、高壓力、高密度、高複雜度及高鹽度）結構性挑戰，直擊地下水管測漏中心、窺探多項「秘密武器」；兩地人民同飲一江水，同心護東江水的故事；以及香港在水資源方面為世界貢獻中國方案。
香港與許多已發展城市一樣，面對供水網規模龐大而複雜，部分輸水管日漸老化的問題。每當遇上爆喉，都會直接影響市民日常生活與都市運作。為緩解這一民生痛點，最新一份施政報告貫徹五年規劃的總體戰略部署，在保障都市安全與水資源管理提出政策指引，未來五年將完成約350公里水管改善工程。水務署署長黃恩諾接受香港文匯報專訪時表示，署方推動與大學及企業構建「實時監測、智能預判、精準檢漏、高質維護」的「智慧水網閉環管理鏈條」，並以AI作積極主動的預測性維護。計劃在智慧供水系統開展後五年內，全面實行動態調節政府供水管網水壓。署方早年聯同理大團隊展開科技攻堅，記者直擊地下水管測漏中心（Q-Leak）多項「秘密武器」：多通道透地雷達車、噪聲記錄儀（Noise Logger）等，鎖定滲水源頭，及早進行維護工作，全鏈條治理香港複雜的水管問題。
●香港文匯報記者 戴天晟
市民扭開水喉，自來水便源源不絕供應，這種便利背後需要穩健的供水網絡支撐。隨着城市化飛快拓展，香港地下鋪設的食水及海水管網長達約8,500公里，是全球最複雜、最密集的水網之一，增添維護工作的獨特性及複雜性。
管網如「迷宮」 難「爆一處修一處」
黃恩諾坦言：「香港地底管網就像一個極其複雜的『超級地下迷宮』，我們不能再靠傳統『爆一處、修一處』的被動打法，必須從根本上改變治理邏輯。」署方近年透過「智管網（WIN）」已在全港管網建立約2,400個獨立監測區域（DMA），安裝傳感器監測水壓與流量數據，跟進區域的管網異狀。
針對管網爆喉及滲漏增多等問題，水務署計劃建構「供水管網物聯感知體系」及「智能供水壓力管理系統」。透過在供水管網安裝實時傳感器及在用戶端安裝智能水錶，收集管網的供水及用水實時數據，全方位持續監測供水管網的運作情況，並運用高精準度水力模型進行分析，在不影響正常供水的情況下，實現政府管網智能動態減壓，以減少喉管的爆裂和漏水的風險。
同時，水務署自2019年起聯同理大團隊展開科技攻堅，並於2025年年中進一步與深圳企業籌建「管道機器人聯合實驗室」，推動檢漏由「憑經驗」邁向「數據化與自動化」。
佔地約2.5萬平方呎、位於青衣的地下水管測漏中心（Q-Leak），就是前線工程人員進行「盲測」考核的練兵場，亦是理大團隊為AI聲訊模型與管道機器人累積訓練數據的核心基地，為推向真實管網實測奠定基礎。
中心的地底鋪設約400米模擬管網，並設置80個不同類型的模擬漏點。香港理工大學土地測量及地理空間科學系教授兼副系主任賴緯樂帶領團隊，將結合透地雷達與管道機器人的「數智診斷」系統帶入真實戰場。
截至目前，團隊已在全港開展24個疑難管段的實地測試，成功精準定位約17處滲漏點。
Q-Leak團隊研究人員萬嘉威博士在後台系統前展示鴨脷洲利東邨的實測數據，他拖動時間軸，屏幕上同步呈現管道機器人傳回的管內高清畫面與水底聽聲器（Hydrophone）音訊。「系統內建了 5個AI算法模型進行聯合投票，當多個模型同時標註異常時，系統就會顯示紅色高風險（Risk Score）。」
團隊隨後將定位數據交予水務署，路面開挖後證實該處確實存在水管破損。
賴緯樂指出，地下水管縱橫交錯，過去尋找隱蔽的滲漏源頭往往猶如大海撈針，傳統水務檢漏高度依賴俗稱「金耳朵」的師傅，在深夜凌晨街頭寂靜時，持金屬聽音桿或地音探聽器沿街聽聲。「以前這種『金耳朵』聽音法全憑個人經驗，聽到聲音也說不準確切位置，往往需要試探性開挖多個路面才能找到漏點。」
機器人入管採集影像與聽聲器訊號
隨着「智管網（WIN）」等智能系統建成，理大團隊再引進並在地化改裝具備18發17收的「多通道透地雷達車」。賴緯樂形容，這部車就如同為地底進行「正電子掃描」，結合衛星定位、陀螺儀與里程計，能無損地掃描出地底結構與異常空洞。而在管道內部，團隊研發出管道檢測機器人（「智管探」）。「這好比為水管做『照胃鏡』。」賴緯樂解釋，機器人在不停水、承受高達150米水壓的真實環境下深入管內，同步採集高清影像與水底聽聲器訊號，直接在管內聆聽最真實的漏水聲。
採集到的海量數據會回傳至後台伺服器，利用GPU和大數據AI模型進行深度分析。賴緯樂以嘈雜的咖啡店作比喻：「店裏你突然聽到身後有熟人在說話，你立刻就能認出他，因為你熟悉他的聲音。對我們來說，『漏水聲』就是我們的『老朋友』，AI 從嘈雜環境中『認』出來。」
科技的介入徹底顛覆了前線工作模式，將傳統80%的戶外摸索轉變為90%的後台數據分析。他說：「這有點像去醫院體檢，做完檢查後一兩周睇報告。」
