LightECA-UNet: نموذج خفيف لتجزئة صور التصوير المقطعي لفواصل الفحم

لماذا تهم الشقوق داخل الفحم

في أعماق الأرض، يتخلل الفحم شقوق دقيقة تتحكم في كيفية تفتت الصخر وحركة الغاز والماء بداخله. فهم شبكات هذه الفواصل الخفية أمر حاسم لمنع كوارث المناجم، وتحسين تصريف الغاز، وحتى التخطيط لتخزين الكربون. يمكن لأجهزة المسح المقطعي الحديثة أخذ شرائح أشعة سينية مفصّلة للفحم، لكن تحويل هذه الصور الرمادية إلى خرائط واضحة للفواصل أمر صعب، لا سيما في موقع المنجم حيث تكون قدرة الحوسبة محدودة. تقدم هذه الدراسة نموذجًا ذكياً جديدًا ومرنًا، LightECA-UNet، مصممًا لقراءة مسحات التصوير المقطعي للفحم بدقة مع كونه صغيرًا وسريعًا بما يكفي للعمل على أجهزة متواضعة في الموقع.

التحدي في رؤية الشقوق في صخر رمادي

من الصعب تمييز فواصل الفحم في صور التصوير المقطعي. قيمها الرمادية غالبًا ما تكون قريبة جدًا من الفحم المحيط، وتكون الحواف ضبابية، وقد تكون أدق الشقوق بعرض بضعة بكسلات فقط. تواجه طرق معالجة الصور التقليدية صعوبات هنا، وحتى نماذج التعلم العميق الشائعة تميل لأن تكون كبيرة وتستهلك طاقة عالية، وغالبًا ما تُدرّب على صور فوتوغرافية يومية بدلاً من بيانات جيولوجية. بنية شائعة الاستخدام تسمى UNet قادرة على تجزئة الصور جيدًا، لكن بصيغتها الأساسية تتطلب حسابًا مكثفًا، وتضيع معلمات على ميزات زائدة عن الحاجة، وقد تميل إلى الإفراط في التكيّف مع مجموعات بيانات صغيرة ومتخصصة مثل مسحات التصوير المقطعي للفحم. تجعل هذه العوائق من الصعب نشرها مباشرةً على الأجهزة المدمجة والآمنة جوهريًا المسموح بها في المناجم تحت الأرض.

شبكة أبسط مصممة لمسحات التصوير المقطعي للفحم

أعاد المؤلفون تصميم UNet ليصبح نموذجًا موجهًا للفحم وموفرًا للموارد. أولاً، استبدلوا طبقات الالتفاف الاعتيادية بتلافيف «قابلة للفصل حسب العمق» (depthwise separable). بدلاً من مزج المعلومات من جميع قنوات الصورة دفعة واحدة، يعالج النموذج كل قناة على حدة في البعد المكاني ثم يجمعها بعمليات 1×1 بسيطة. تقلل هذه التغييرات تكلفة الحساب في الطبقات المبكرة إلى نحو تسع الجزء من التصميم الأصلي، مما يتيح معالجة صور مقطعية عالية الدقة دون إجهاد الأجهزة المحدودة. ثانيًا، قلصوا عدد القنوات في كل مرحلة من مراحل الشبكة. بدلاً من مضاعفة القنوات حتى قيم كبيرة جدًا، يحدد LightECA-UNet سقفًا معتدلاً يكفي لنطاق القوام الضيق نسبيًا للفحم. يؤدي هذا التقليم المستهدف إلى خفض عدد المعاملات من نحو 31 مليون إلى حوالي 0.55 مليون فقط.

تعليم النموذج كيف يركّز على الفواصل الدقيقة

خفض حجم الشبكة عادة ما يحمل خطر فقدان الدقة، لذا أضاف المؤلفون آلية «انتباه» خفيفة الوزن تسمى الانتباه القنوي الفعال (ECA). ببساطة، تتيح ECA للنموذج وزن أي قنوات الميزة الداخلية أكثر إفادة. وتلخص كل قناة، وتبحث في علاقة القنوات المجاورة ببعضها، وتتعلّم أيها يحمل توقيعات شبيهة بالشقوق — مثل الحواف الدقيقة أو التغيرات الطفيفة في مستوى الرمادي. ثم تُبرز هذه القنوات، بينما تُخفّض أهمية القنوات التي يهيمن عليها الضجيج الخلفي. والأهم أن ECA تفعل ذلك دون طبقات إضافية ثقيلة، فتبقي النموذج مضغوطًا مع تعزيز حساسيته للفواصل الخافتة منخفضة التباين التي غالبًا ما تتخطاها الأساليب التقليدية. وبالاقتران مع التلافيف القابلة للفصل حسب العمق، يشكل هذا «كتلة تكافلية» فعالة وواعية بالشقوق.

اختبار النموذج الجديد

لتقييم LightECA-UNet، بنى الفريق مجموعة بيانات متخصصة من 600 شريحة مقطعية عالية الدقة مأخوذة من عينات أسطوانية من الفحم. أنشأوا تسميات دقيقة للفواصل باستخدام مزيج من العتبة الآلية وتصحيح يدوي دقيق، ثم درّبوا وقارنوا عدة متغيرات للنموذج تحت ظروف متطابقة. أظهرت تجارب الإقصاء أن كل مكوّن — التلافيف الأخف، تقليم القنوات، وانتباه ECA — يساهم، لكن التركيبة الكاملة تمنح أفضل توازن بين السرعة والدقة. على مدى خمس جولات من التحقق المتقاطع، حقق LightECA-UNet باستمرار نحو 97% تداخل بين المناطق المتوقعة والحقيقية للشقوق مع إبقاء الحساب منخفضًا جدًا. وعند مقارنته بستة شبكات تجزئة رائدة، بما في ذلك تصاميم ثقيلة و«خفيفة» على حد سواء، كان للنموذج الجديد أصغر حجم وأسرع زمن استدلال، ومع ذلك قدم أعلى درجات كشف الشقوق وأنظف النتائج البصرية للتجزئة.

ما تعنيه هذه النتائج لتعدين أكثر أمانًا وذكاءً

بالعبارات اليومية، يعمل LightECA-UNet كعين مدرّبة جيدًا قادرة على تتبع الشقوق الشعرية في صور الأشعة الضبابية دون الحاجة إلى سوبركمبيوتر. وبفضل صغر حجمه وسرعته، يمكن دمجه في أنظمة تصوير مقطعي محمولة أو أجهزة حافة تُنشر بالقرب من واجهة العمل في المنجم. يفتح ذلك الباب أمام تقييمات في الوقت الحقيقي لاستقرار الفحم، وتقديرات أفضل لمدى سهولة حركة الغاز والسوائل خلال الطبقة، وقرارات أكثر استنارة بشأن الحفر والدعم وتخفيف المخاطر. وبينما تركز هذه الدراسة على نوع واحد من الفحم، يمكن تمديد مبادئ التصميم — تكييف الشبكة لملمس ومقاييس تباين وقيود الأجهزة الخاصة بمجال معين — إلى أنواع صخور أخرى وإلى مهام ذات صلة مثل رسم شقوق الأنفاق أو تحليل المسامات في الصخر الزيتي، مما يجلب أدوات تصوير أكثر دقة وتكلفة منخفضة لمجتمع علوم الأرض الأوسع.

الاستشهاد: Xing, X., Li, Y., Zhang, Y. et al. LightECA-UNet: a lightweight model for segmentation of coal fracture CT images. Sci Rep 16, 6040 (2026). https://doi.org/10.1038/s41598-026-37291-7

الكلمات المفتاحية: تصوير مقطعي لفحم, تجزئة الفواصل, التعلم العميق خفيف الوزن, بنية UNet, سلامة المناجم