LightECA-UNet: lekki model do segmentacji pęknięć w obrazach CT węgla

Dlaczego pęknięcia we wnętrzu węgla mają znaczenie

Głęboko pod ziemią węgiel jest przeszyty drobnymi pęknięciami, które decydują o tym, jak skała się łamie oraz jak przemieszcza się gaz i woda. Zrozumienie tych ukrytych sieci szczelin jest kluczowe dla zapobiegania katastrofom kopalnianym, poprawy odwodnienia gazowego, a nawet planowania składowania dwutlenku węgla. Nowoczesne skanery CT mogą tworzyć szczegółowe przekroje rentgenowskie węgla, lecz przekształcenie tych obrazów w wyraźne mapy pęknięć jest trudne, zwłaszcza bezpośrednio w kopalni, gdzie moc obliczeniowa jest ograniczona. W tym badaniu przedstawiono nowy, oszczędny model sztucznej inteligencji LightECA-UNet, zaprojektowany do dokładnego odczytu skanów CT węgla, przy jednoczesnym zachowaniu małego rozmiaru i szybkości działania pozwalającej na uruchomienie na skromnym sprzęcie terenowym.

Problem dostrzegania pęknięć w szarej skale

Pęknięcia w węglu są trudne do wyodrębnienia na obrazach CT. Ich wartości szarości często są niemal takie same jak otaczającego węgla, krawędzie są rozmyte, a najdrobniejsze szczeliny mogą mieć tylko kilka pikseli szerokości. Tradycyjne metody przetwarzania obrazu zawodzą w takich warunkach, a nawet popularne modele głębokiego uczenia bywają duże, wymagające dużej mocy i trenowane na codziennych fotografiach zamiast na danych geologicznych. Szeroko stosowana architektura UNet dobrze segmentuje obrazy, ale w podstawowej formie wymaga dużych zasobów obliczeniowych, marnuje parametry na nadmiarowe cechy i może przeuczyć się na małych, wyspecjalizowanych zbiorach danych, takich jak skany CT węgla. Te wady utrudniają wdrożenie na kompaktowych, iskrobezpiecznych urządzeniach dopuszczonych do użytku w kopalniach.

Odchudzona sieć stworzona do skanów CT węgla

Autorzy przeprojektowali UNet, tworząc model specyficzny dla węgla i efektywny pod względem zasobów. Po pierwsze, zastąpili standardowe warstwy splotowe („convolution”) splotami separowalnymi w głąb (depthwise separable). Zamiast jednocześnie mieszać informacje ze wszystkich kanałów obrazu, model najpierw przetwarza każdy kanał osobno w przestrzeni, a następnie łączy je przy pomocy prostych operacji 1×1. Ta zmiana zmniejsza koszty obliczeniowe w początkowych warstwach do około jednej dziewiątej pierwotnego projektu, umożliwiając przetwarzanie obrazów CT o wysokiej rozdzielczości bez przeciążania ograniczonego sprzętu. Po drugie, przycięli liczbę kanałów na kolejnych etapach sieci. Zamiast podwajać liczbę kanałów do bardzo dużych wartości, LightECA-UNet ogranicza je do umiarkowanych poziomów wystarczających dla stosunkowo wąskiego zakresu tekstur węgla. To celowe przetrzebienie zmniejsza liczbę parametrów z około 31 milionów do zaledwie 0,55 miliona.

Nauka skupiania się na słabych pęknięciach

Zmniejszanie sieci zwykle wiąże się z ryzykiem utraty dokładności, dlatego autorzy dodali lekki mechanizm „uwagi” o nazwie Efficient Channel Attention (ECA). W prostych słowach ECA pozwala modelowi ważyć, które wewnętrzne kanały cech są najbardziej informatywne. Podsumowuje każdy kanał, analizuje powiązania z sąsiednimi kanałami i uczy się, które z nich zwykle niosą sygnatury przypominające pęknięcia — na przykład drobne krawędzie czy subtelne zmiany poziomu szarości. Te kanały są następnie wzmacniane, podczas gdy te zdominowane przez szum tła są tłumione. Co istotne, ECA robi to bez ciężkich dodatkowych warstw, więc zachowuje kompaktowość modelu, jednocześnie wyostrzając jego czułość na słabe, niskokontrastowe pęknięcia, które często umykają standardowym metodom. W połączeniu z splotami separowalnymi w głąb tworzy to „symbiotyczny blok” będący zarówno wydajnym, jak i wrażliwym na szczeliny.

Testy nowego modelu

Aby ocenić LightECA-UNet, zespół zbudował specjalistyczny zbiór danych składający się z 600 przekrojów CT o wysokiej rozdzielczości pochodzących z cylindrycznych próbek węgla. Stworzyli precyzyjne etykiety pęknięć, używając mieszanki automatycznego progowania i drobiazgowej korekty ręcznej, a następnie trenowali i porównywali różne warianty modeli w jednakowych warunkach. Eksperymenty ablacyjne wykazały, że każdy element — lżejsze sploty, przycinanie kanałów i uwaga ECA — wnosi wkład, ale pełne połączenie daje najlepszą równowagę między szybkością a dokładnością. W pięciu rundach walidacji krzyżowej LightECA-UNet konsekwentnie osiągał około 97% nakładania się przewidywanych i rzeczywistych obszarów pęknięć przy bardzo niskim zużyciu obliczeń. W porównaniu z sześcioma czołowymi sieciami segmentacyjnymi, w tym ciężkimi i „lekkimi” projektami, nowy model miał najmniejszy rozmiar i najszybszy czas inferencji, a jednocześnie osiągał najwyższe wyniki w wykrywaniu pęknięć i najczystsze wizualne segmentacje.

Znaczenie dla bezpieczniejszego, bardziej efektywnego górnictwa

Mówiąc obrazowo, LightECA-UNet działa jak wysoko wyszkolone oko, które potrafi wiarygodnie śledzić włosowe pęknięcia na nieprzejrzystych obrazach rentgenowskich bez potrzeby używania superkomputera. Ze względu na kompaktowość i szybkość może być zintegrowany z przenośnymi systemami CT lub urządzeniami brzegowymi rozmieszczonymi w pobliżu ściany eksploatacyjnej kopalni. Otwiera to możliwość oceny stabilności węgla w czasie rzeczywistym, lepszych oszacowań łatwości przepływu gazów i płynów przez pokład oraz bardziej świadomych decyzji dotyczących wierceń, podparcia i zapobiegania zagrożeniom. Choć badanie koncentruje się na jednym rodzaju węgla, zasady projektowe — dopasowanie sieci do specyficznych tekstur, kontrastów i ograniczeń sprzętowych danej dziedziny — można rozszerzyć na inne rodzaje skał i powiązane zadania, takie jak mapowanie pęknięć tuneli czy analiza porów w łupku, dostarczając precyzyjne, niskokosztowe narzędzia obrazowania dla szerszej społeczności geonaukowej.

Cytowanie: 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

Słowa kluczowe: obrazowanie CT węgla, segmentacja pęknięć, lekka uczenie głębokie, architektura UNet, bezpieczeństwo kopalni