Identification automatique et analyse des caractéristiques des fissures de surface induites par l'exploitation minière à l'aide d'un DRA‑UNet amélioré

Pourquoi de petites fissures au sol importent

Dans les bassins charbonniers du monde entier, l'exploitation minière souterraine peut fissurer silencieusement la surface terrestre. Ce qui commence comme des fractures capillaires dans un sol sec peut s'étendre en longues fissures de surface qui canalisent les eaux de pluie, fragilisent les routes et peuvent même déclencher des glissements de terrain ou endommager des bâtiments. Inspecter ces fissures à pied est lent, dangereux et facilement incomplet. Cette étude montre comment des drones et l'intelligence artificielle peuvent repérer et mesurer automatiquement les fissures induites par l'exploitation minière avec un grand niveau de détail, offrant un nouvel outil puissant pour rendre les régions minières plus sûres et plus durables.

Voir davantage depuis les airs

Les chercheurs se sont concentrés sur la mine de charbon de Huojitu, à la lisière du désert de Mu Us en Chine, où l'extraction souterraine du charbon a généré un réseau complexe de fractures en surface. Ils ont fait voler un quadricoptère industriel équipé d'une caméra haute résolution au-dessus du front d'exploitation, capturant des images suffisamment nettes pour distinguer des éléments d'un peu moins de trois centimètres. Après correction géométrique et photométrique des images, ils les ont assemblées en cartes aériennes détaillées. Des interprètes humains ont ensuite tracé soigneusement les fissures visibles, créant des milliers d'exemples étiquetés qui ont servi à apprendre à l'ordinateur ce qu'il fallait rechercher dans des scènes similaires.

Apprendre à un réseau neuronal à suivre des fractures capillaires

Le cœur du travail est un système d'analyse d'images amélioré appelé DRA‑UNet, un type de réseau neuronal profond initialement conçu pour la segmentation d'images médicales. Le modèle examine chaque tuile d'image drone et décide, pixel par pixel, si elle appartient à une fissure ou au sol intact. L'équipe a amélioré l'architecture classique avec trois idées clés : des connexions résiduelles qui facilitent l'entraînement d'un réseau profond, un module d'attention double qui aide le système à se focaliser sur les motifs les plus informatifs à la fois dans l'espace et sur les canaux de couleur, et un module multi‑échelle qui recherche simultanément des fissures de différentes largeurs. Une fonction de perte spécialement conçue pousse en outre le réseau à ne pas manquer les fissures fines et à tracer proprement leurs bords.

Des cartes de fissures aux formes mesurables

Une fois que le modèle produit une carte binaire des fissures, l'étude va plus loin. Un algorithme d'affinement élimine les pixels de bordure jusqu'à ne laisser que le « squelette » central de chaque fissure, comme l'axe médian d'un lit de rivière asséché. À partir de ce squelette, les chercheurs calculent la longueur de chaque fissure, sa largeur moyenne, sa surface, son orientation et le degré de rectangulité ou d'irrégularité de son contour. Ces mesures sont converties de pixels en unités réelles en utilisant la résolution au sol connue des images. En attribuant à chaque fissure un identifiant unique et un rectangle englobant, l'équipe peut comparer les formes, suivre la croissance des fissures et les relier à la configuration et à la direction d'avancement de la mine.

Ce que les motifs de fissures révèlent sur la mine

Les tests ont montré que le DRA‑UNet amélioré surpassait plusieurs modèles de segmentation d'images bien connus sur le jeu de données de la zone minière et se généralisait également bien à une référence distincte de fissures routières et de trottoirs. Il s'est avéré particulièrement bon pour préserver les fractures fines et pâles dans des fonds encombrés de gravier, de végétation et d'ombres. Les mesures obtenues révèlent des tendances claires : la plupart des fissures sont courtes, étroites et de faible surface, tandis que quelques longues fissures forment l'ossature principale qui guide la déformation du sol. Près des limites du front de taille, la densité et la complexité des fissures augmentent, correspondant à des zones de contrainte plus élevées. Les fissures courtes ont tendance à être plus torsadées et ramifiées, tandis que les plus longues se redressent selon la direction dominante d'étirement, montrant comment les perturbations locales s'étendent vers des champs de contraintes plus larges à mesure que l'exploitation progresse.

Comment cela aide à mieux protéger les zones minières

Pour les non‑spécialistes, le message clé est que de petites fissures de surface sont des signaux d'alerte précoces de changements plus profonds du sol au‑dessus des mines. Cette étude démontre une méthode automatisée pour détecter et mesurer ces fissures depuis les airs avec une grande précision, sans envoyer d'inspecteurs dans des zones dangereuses ni dépendre d'un cartographié manuel lent. En combinant images de drones, réseaux neuronaux intelligents et analyse des formes, le cadre peut mettre en évidence où les dommages se concentrent et comment ils évoluent dans le temps. Concrètement, cela permet aux exploitants miniers et aux autorités locales de surveiller de vastes zones plus fréquemment, d'anticiper mieux les ruptures du sol et de planifier des mesures d'atténuation pour protéger les infrastructures, les écosystèmes et les communautés vivant au‑dessus des couches de charbon exploitées.

Citation: 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

Mots-clés: fissures de surface induites par l'exploitation minière, cartographie des fissures par UAV, segmentation par apprentissage profond, surveillance de la déformation du sol, évaluation des risques géotechniques