Automatische Erkennung und Merkmalsanalyse von bergbaubedingten Oberflächenrissen mithilfe eines verbesserten DRA‑UNet

Warum winzige Bodenrisse wichtig sind

In Kohlefeldern weltweit kann der Untertagebau die Oberfläche über Tage unmerklich aufreißen. Was zunächst wie feine Haarrisse in trockenem Boden aussieht, kann sich zu langen Oberflächenrissen auswachsen, die Regenwasser lenken, Straßen unterminieren und sogar Erdrutsche oder Gebäudeschäden auslösen. Fußläufige Inspektionen sind langsam, gefährlich und leicht fehleranfällig. Diese Studie zeigt, wie Drohnen und künstliche Intelligenz bergbaubedingte Risse automatisch erkennen und detailliert vermessen können und so ein wirkungsvolles neues Instrument für sicherere und nachhaltigere Bergbaugebiete bieten.

Mehr aus der Luft sehen

Die Forschenden konzentrierten sich auf das Huojitu‑Kohlebergwerk am Rand der chinesischen Mu‑Us‑Wüste, wo die unterirdische Kohlegewinnung ein komplexes Netz oberflächlicher Brüche erzeugt hat. Sie setzten einen industriellen Quadrokopter mit hochauflösender Kamera über der Abbaukante ein und nahmen Bilder auf, die Merkmale bis knapp unter drei Zentimeter Auflösung abbilden konnten. Nach geometrischer und radiometrischer Korrektur wurden die Aufnahmen zu detaillierten Orthomosaiken zusammengefügt. Menschliche Auswerter zeichneten anschließend sichtbar Risse nach und erzeugten Tausende gelabelter Beispiele, die dem Computer beibringen, wonach er in ähnlichen Szenen suchen soll.

Ein neuronales Netz beibringen, feine Risse zu verfolgen

Kern der Arbeit ist ein verbessertes Bildanalyse‑System namens DRA‑UNet, ein Typ tiefer neuronaler Netze, der ursprünglich für die Segmentierung medizinischer Bilder entwickelt wurde. Das Modell prüft jedes Drohnenbildkachel und entscheidet Pixel für Pixel, ob es zu einem Riss oder zu intaktem Boden gehört. Das Team verfeinerte die klassische Architektur mit drei zentralen Ideen: Residualverbindungen, die das Training tiefer Netze erleichtern; ein Dual‑Attention‑Modul, das hilft, die informativsten Muster sowohl im Raum als auch in den Farbkanälen zu fokussieren; und ein Multi‑Scale‑Modul, das simultan nach Rissen unterschiedlicher Breite sucht. Eine speziell gestaltete Verlustfunktion drängt das Netzwerk zusätzlich dazu, dünne Risse nicht zu übersehen und deren Kanten sauber nachzuzeichnen.

Von Risskarten zu messbaren Formen

Sobald das Modell eine Schwarz‑Weiß‑Risskarte erzeugt, geht die Studie einen Schritt weiter. Ein Thinning‑Algorithmus entfernt Randpixel, bis nur noch das zentrale „Skelett“ jedes Risses übrig bleibt, ähnlich der Mittellinie eines ausgetrockneten Flussbetts. Anhand dieses Skeletts berechnen die Forschenden Länge, durchschnittliche Breite, Fläche, Richtung sowie die Rechteckigkeit oder Unregelmäßigkeit der Umrisse jedes Risses. Diese Messwerte werden von Pixeln in reale Einheiten umgerechnet, basierend auf der bekannten Bodenskalierung der Bilder. Durch die Vergabe einer eindeutigen ID und eines Begrenzungsrechtecks für jeden Riss kann das Team Formen vergleichen, das Wachstum von Rissen verfolgen und sie mit der Grubenanordnung sowie der Abbaufolge in Beziehung setzen.

Was die Rissmuster über das Bergwerk verraten

Tests zeigten, dass das verbesserte DRA‑UNet mehrere bekannte Segmentierungsmodelle auf dem Datensatz aus dem Bergbaugebiet übertraf und zudem gut auf ein separates Benchmark‑Set mit Straßen‑ und Gehwegrissen generalisierte. Besonders gut gelang ihm das Erhalten dünner, schwacher Brüche in unruhigen Hintergründen aus Schotter, Vegetation und Schatten. Die resultierenden Messungen offenbaren deutliche Muster: Die meisten Risse sind kurz, schmal und von kleiner Fläche, während einige wenige lange Risse das Hauptgerüst bilden, das die Bodenverformung leitet. In der Nähe der Abbaukante nehmen Rissdichte und Komplexität zu, was Zonen höheren Spannungsniveaus entspricht. Kurze Risse weisen tendenziell stärkere Verzweigungen und Krümmungen auf, während längere Risse sich entlang der dominanten Dehnungsrichtung strecken und so zeigen, wie lokale Störungen zu breiteren Spannungsfeldern zusammenwachsen, je weiter der Abbau fortschreitet.

Wie das hilft, Bergbaugebiete sicherer zu machen

Für Nicht‑Spezialisten lautet die Kernaussage: Winzige Oberflächenrisse sind Frühwarnzeichen tiefer liegender Veränderungen im Boden über Bergwerken. Die Studie demonstriert eine automatisierte Methode, diese Risse aus der Luft mit hoher Präzision zu finden und zu vermessen, ohne Inspektoren in gefährliche Bereiche schicken oder sich auf langsame manuelle Kartierungen verlassen zu müssen. Durch die Kombination von Drohnenaufnahmen, intelligenten neuronalen Netzen und Formanalysen kann das System Bereiche mit konzentrierten Schäden erkennen und deren zeitliche Entwicklung verfolgen. Praktisch heißt das: Betreiber und Behörden können größere Flächen häufiger überwachen, Bodenversagen besser vorhersagen und Gegenmaßnahmen planen, um Infrastruktur, Ökosysteme und die über aktiven Kohleflözen lebenden Gemeinschaften zu schützen.

Zitation: Zhou, W., Zou, Y. & Chai, H. Automatic identification and feature analysis of Min-ing-Induced surface cracks using an improved DRA-UNet. Sci Rep 16, 6591 (2026). https://doi.org/10.1038/s41598-026-37548-1

Schlüsselwörter: bergbaubedingte Oberflächenrisse, UAV‑Risskartierung, Tiefenlern‑Segmentierung, Überwachun g der Bodenverformung, geotechnische Gefahrenbewertung