新闻及香港科大故事

请立即捐献协助因COVID-19而出现经济困难的科大学生。

科大工程学教授研发的无人车在内地爆发2019冠状病毒病期间为社区服务。

COVID-19: Info Portal for HKUST Community

欢迎你观看视频，了解我们采取的全方位抗疫措施 。

Mashiat Lamisa (third right) and her teammates Ilana Zimmerman (second right) and Dama Correch (third left) received the Empower Women Through Technology Prize at the cmd-f all-female* hackathon held at the University of British Columbia.

校长史维教授在世界经济论坛发表署名文章，分享科大研究团队与全球伙伴携手努力共同对抗2019冠状病毒病疫情。以下为文章全文： 随着2019冠状病毒病（Covid-19）遍及各大洲，影响着数百万人，各国卫生部门决策者和世界各地的科研人员都在加紧研究抑制这种病毒进一步传播的方法。我们坚定不移地相信，大学正在并且应该一直为这场战役作出贡献，以应对当前以及未来像这样严重并且可能长期持续的公共卫生危机。 新冠病毒具有高度传染性，这意味着我们迫切需要从加快病毒载体的检测、阻止病毒的传播到研发疫苗上找到相应的解决方案。香港科技大学的研究团队不懈努力，为全球冠状病毒控制工作做出了贡献。 在疫情爆发的早期， 1月中旬获得冠状病毒的基因序列后，我们采用了最新的微流生物芯片技术来提供便携式检测仪，将检测所需时间减少到40分钟，该设备是提供早期并可靠的新冠病毒核酸分子检测的最大飞跃之一。 在感染控制方面，我们开发了PECD抗菌涂层，可杀灭多达99.99％的各种感染性病毒。在医院的空气净化系统中，将其用作空气微粒过滤器的涂层将有助于遏制病毒的传播，该技术已在武汉市火神山医院采用。最近开发的另一种新的抗菌配方MAP-1可有效杀死比冠状病毒更具抵抗力的病毒。可在不同的物体表面甚至衣服和外科口罩上使用，它可以提供持久防护，防止病毒污染公共场所。 此外，我们的研究人员还开发了许多无人车，这些无人车配备了全地形3D影像以及大规模的视觉和传感器导航技术，已在中国多个疫情严重的城市部署。尽量减少人与人之间的接触，以降低人与人之间传播的风险。同样，我们校友生产的数百台机器人也被送往中国各地的医院和隔离区，为患者提供食物和药物的运送服务，防止交叉感染。 说回中国香港地区，我们以新技术支持香港政府进行体温监控和检疫措施。我们还了解到，防护口罩和消毒剂的供应稀缺，因此我们正在投入研究资源，以寻找可能的方式来高效率、低成本地生产这些防护用品，以缓解供应紧张的情况。

「每棵树都是活着的生命!」土木及环境工程学系教授暨副系主任王幼行教授一边欣赏科大海旁附近山坡的一棵大树，一边有感而发。2018年9月， 台风「山竹」袭港，将这棵树几乎吹断一半。王教授最初心想大树受此重创，也许「难逃一刧」，但它却如奇迹般存活下来；树木应对恶劣天气的韧力和复原能力，的确叫他惊喜不已! 事实上，随着气候转变，极端天气越趋频密。为了监测这棵树的稳定性，王教授在树干底部装设了智能传感器，以便监察其倾斜角度。 这个安装在树上的传感器，是由以王教授为首的研究团队研发，而且源自七年前一项由学生主导、运用遥感技术探测斜坡稳定性的专题研习项目。 土木工程研究生陈斌祥是王教授团队的成员。他说：「身为工程师，我们要寻找一个可以准确评定树木健康状况的方法。透过研究一棵树的物理数据，可以准确评估树干倾斜是否不可逆转，并于必要时立即进行补救。」  2017年，香港特区政府主动接触研究团队，探讨将遥感技术用于监测树木的可行性。当时，市场上的传统传感器无法符合树木传感器的两大基本要求：第一、数据传输不会受极端天气干扰；第二、省电耐用。 2018年2月，王教授的团队成功为研发这套用于监测树木稳定性的智能遥感技术取得一年半外界经费；与此同时，他们亦孜孜不倦，花了一年时间提升技术，最终取得突破：改良后的传感器使用长距离广域网络 (LoRaWAN)，不但可实时传输数据，而且功耗低，非常省电。 有关数据会发送至处理中心进行大数据分析，以便让树木得到及时处理。年半间，团队已先后研发三代传感器，使数据传输距离增长四倍。 有效管理树木向来是政府其中一项要务。城中珍贵的古树与大自然密不可分，台风对其威胁尤大；树木一旦倒下，更会危害市民安全。 2018年8月底，天文台预测本地历来威力最强的台风「山竹」将直扑香港。研究团队因此加速优化其程序设计，在短短一星期内，成功将 32个第三代传感器安装在元朗大棠和市区的部分树木。  「山竹」一役虽导致 46,000 棵树木倒塌 ，但亦为研究团队提供了珍贵的第一手科学数据，可用于分析为何有些树木会因此倒塌，而有些却可以屹立不倒。

香港科技大学（科大）的科研人员研发了一套崭新的「智能发烧侦测系统」（SFSS），让边境口岸的检疫人员能更易于识别有发烧征状的旅客。这套系统现被应用到多个边境口岸、政府大楼和大学，以对抗新型冠状肺炎病毒（Covid-19）。 自2003年沙士（严重急性呼吸系统综合症）爆发后，热成(thermal)图像探测器获广泛使用到不同关口，以筛查有发烧征状的入境旅客。发烧是感染沙士、新冠肺炎及其他传染病的重要病征。不过，检疫人员为了追踪这些身体抱恙人士，往往需于弹指之间同时监看热成图像以及彩色影像(即闭路电视)两个屏幕。 如今，一支由科大工业工程及决策分析学系苏孝宇教授领导的跨领域研究团队，利用人工智能、实时追踪以及大数据分析，设计了一个不仅能更准确地检测脸部被遮挡的疑似发烧者，同时亦能将热成图像和彩色影像融合于同一屏幕的系统。在屏幕上，有发烧征状的不适人士会被标记于红框内，系统亦会发出提示声响，以协助检疫人员作实时辨认，大大提升行动效率，守护公众健康。 有别于一般运用红外线镜头的发烧监测系统，这个以人工智能与深度学习为基础的系统于人脸及热感侦测方面都更为准确。此系统旨在于人海中追踪及侦测疑似发烧人士，透过深度学习和人体测量学，系统能进行「视觉还原」*，即使被检测人士正佩戴口罩并遭对象遮挡部分身体，仍能准确检测。除此之外，由于系统依赖计算机运算而非靠肉眼判断热成图像色差，并且会把距离及包括背景中热力来源等环境因素的影响计算在内，检测结果亦因而更为准确。另外，由于追踪功能聚焦于脸部，检测结果亦较难受个人身上高温对象而影响，除非有关对象直接遮盖该人士的脸部。     此系统建立于大数据分析的跨平台数据库上，让不同地区的装置能够组合成一个更大的网络，从而可更容易追踪到疑似发烧人士，但系统不会保留任何个人资料。透过大数据、深度学习和人类科学，这套系统亦具自我学习功能，能随时间变得更为智能及准确。 研究团队成员来自机械学习、生物工程及平行网络等专业界别，当中包括来自科大电子及计算器工程学系的系主任施毅明教授与高级讲师王启新教授，以及计算器科学及工程学系助理教授陈启峰。