Identificación automática y análisis de características de grietas superficiales inducidas por la minería mediante una DRA‑UNet mejorada

Por qué importan las grietas minúsculas en el terreno

En las cuencas carboníferas de todo el mundo, la minería subterránea puede abrir silenciosamente el terreno en la superficie. Lo que al principio parece ser fisuras capilares en suelo seco puede crecer hasta convertirse en largas grietas superficiales que canalizan el agua de lluvia, socavan carreteras e incluso desencadenan deslizamientos o daños en edificaciones. Inspeccionar estas grietas a pie es lento, peligroso y fácil de pasar por alto. Este estudio muestra cómo drones e inteligencia artificial pueden detectar y medir automáticamente grietas inducidas por la minería con gran detalle, ofreciendo una herramienta potente para mantener las regiones mineras más seguras y sostenibles.

Ver más desde el aire

Los investigadores se centraron en la mina de carbón Huojitu, en el borde del desierto de Mu Us en China, donde la extracción subterránea ha generado una compleja red de fracturas superficiales. Volaron un dron cuadricóptero industrial equipado con una cámara de alta resolución sobre el frente de la mina, capturando imágenes lo bastante nítidas para resolver rasgos de menos de tres centímetros. Tras corregir las imágenes en geometría y brillo, las cosieron en mapas aéreos detallados. Intérpretes humanos trazaron cuidadosamente las grietas visibles, creando miles de ejemplos etiquetados que enseñaron al ordenador qué buscar en escenas similares.

Enseñar a una red neuronal a seguir fisuras capilares

En el núcleo del trabajo está un sistema mejorado de análisis de imágenes llamado DRA‑UNet, un tipo de red neuronal profunda originalmente diseñada para la segmentación de imágenes médicas. El modelo examina cada mosaico de imagen del dron y decide, píxel a píxel, si pertenece a una grieta o a terreno intacto. El equipo actualizó la arquitectura clásica con tres ideas clave: conexiones residuales que facilitan el entrenamiento de redes profundas, un módulo de doble atención que ayuda al sistema a centrarse en los patrones más informativos tanto en el espacio como en los canales de color, y un módulo multiescala que busca grietas de diferentes anchos simultáneamente. Una función de pérdida diseñada específicamente empuja además a la red a no omitir grietas finas y a trazar sus bordes con limpieza.

De los mapas de grietas a formas medibles

Una vez que el modelo produce un mapa de grietas en blanco y negro, el estudio va un paso más allá. Un algoritmo de adelgazamiento elimina los píxeles de borde hasta dejar únicamente el «esqueleto» central de cada grieta, como la línea media de un lecho de río seco. Usando ese esqueleto, los investigadores calculan la longitud de cada grieta, ancho medio, área, dirección y cuán rectangular o irregular es su contorno. Estas medidas se convierten de píxeles a unidades del mundo real usando la resolución del terreno conocida de las imágenes. Al asignar a cada grieta un identificador único y un rectángulo delimitador, el equipo puede comparar formas, rastrear el crecimiento de las grietas y relacionarlas con la disposición y dirección de avance de la mina.

Qué revelan los patrones de grietas sobre la mina

Las pruebas mostraron que la DRA‑UNet mejorada superó a varios modelos de segmentación de imágenes bien conocidos en el conjunto de datos de la zona minera y también generalizó con fuerza a un banco de pruebas separado de grietas en carreteras y pavimentos. Fue especialmente eficaz preservando fracturas finas y tenues en fondos complejos con grava, vegetación y sombras. Las mediciones resultantes revelan tendencias claras: la mayoría de las grietas son cortas, estrechas y pequeñas en área, con unas pocas largas que forman el marco principal que guía la deformación del terreno. Cerca de los límites del frente de trabajo, la densidad y la complejidad de las grietas aumentan, coincidiendo con zonas de mayor esfuerzo. Las grietas cortas tienden a ser más tortuosas y ramificadas, mientras que las largas se alinean a lo largo de la dirección dominante de estiramiento, mostrando cómo las perturbaciones locales dan paso a campos de esfuerzo más amplios a medida que avanza la minería.

Cómo esto ayuda a mantener más seguras las zonas mineras

Para los no especialistas, el mensaje clave es que las pequeñas grietas superficiales son señales tempranas de cambios más profundos en el terreno sobre las minas. Este estudio demuestra una forma automatizada de localizar y medir esas grietas desde el aire con alta precisión, sin enviar inspectores a zonas peligrosas ni depender de mapeos manuales lentos. Al combinar imágenes de drones, redes neuronales inteligentes y análisis de formas, el marco puede resaltar dónde se concentra el daño y cómo evoluciona en el tiempo. En términos prácticos, eso significa que los operadores de minas y las autoridades locales pueden monitorear áreas extensas con mayor frecuencia, anticipar mejor las fallas del terreno y planificar medidas de mitigación para proteger infraestructura, ecosistemas y comunidades que viven sobre capas activas de carbón.

Cita: 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

Palabras clave: grietas superficiales inducidas por la minería, mapeo de grietas con UAV, segmentación mediante aprendizaje profundo, monitoreo de deformación del terreno, evaluación de riesgos geotécnicos