Çokmodlu ChemCam verilerinde açık renkli damarların anlamsal segmentasyonu

Mars Kayalarında Gizli İpuçları

Mars’ın su dolu geçmişini kayaların içindeki küçük çatlaklardan doğrudan okuyabilseydik ne olurdu? Bu çalışma, bilim insanlarının NASA’nın Curiosity gezgini tarafından çekilen görüntülerde parlak, mineral dolu damarları tespit etmek için bilgisayarları nasıl eğittiklerini gösteriyor. Bu açık çizgiler, bir zamanlar suyun kayalar içinde hareket ettiğinin işaretleri. Tespiti otomatikleştirerek araştırmacılar, insan ekiplerinin yapabileceğinden çok daha hızlı biçimde binlerce gezgin görüntüsünü tarayabiliyor ve Mars’ın ne zaman ve nerede yaşanabilir olabileceğine dair resmimizi netleştiriyor.

Parlak Damarların Mars’ta Yaşam İçin Neden Önemi Var

Curiosity 2012’den beri Gale Krateri’ni geziyor ve ChemCam adlı bir cihazla hem kayaların yakın çekim fotoğraflarını çekiyor hem de kimyasını ölçmek için lazerle test ediyor. Gezginin yolundaki birçok kaya, su açısından zengin sıvıların kabuk içinde dolaşmasıyla büyük olasılıkla oluşmuş, minerallerle dolu soluk damarlar gösteriyor. ChemCam’in spektreleri, bu damarların sıklıkla kalsiyum sülfat bakımından zengin olduğunu ortaya koyuyor; bu mineraller tipik olarak su buharlaştığında oluşur. Sıvı su yaşam için temel bir bileşen olduğundan, bu damarların ayrıntılı haritalanması bilim insanlarının Mars’ta uzun süreli suyun nerede aktığını ve biriktiğini yeniden oluşturmasına yardımcı oluyor.

Resimleri ve Lazer Kıvılcımlarını Veriye Dönüştürmek

ChemCam her hedef kaya hakkında iki tür bilgi sağlar. Birincisi, Uzaktan Mikro Görüntüleyici (Remote Micro Imager) adlı kamerası milimetrenin altında çözünürlükte keskin gri tonlamalı fotoğraflar çekerek dokuları ve ince çatlakları gösterir. İkincisi, lazer ile indüklenen ayrışma spektroskopisi (LIBS) sistemi kayanın birkaç noktasına lazer atışı yapar; ortaya çıkan küçük parlayan plazmanın renkleri mevcut elementleri açığa çıkarır. Bu LIBS ölçümlerinden bilim insanları her bir noktadaki kalsiyum oksit miktarını hesaplar. Yaklaşık %10 ağırlık oranının üzerindeki yüksek kalsiyum seviyeleri sıklıkla—ama her zaman değil—görüntülerdeki açık renkli damarlarla örtüşür ve bu özelliklerin nerede gizleniyor olabileceğine dair kimyasal bir ipucu sağlar.

Bir Algoritmaya Çatlakları İzletmeyi Öğretmek

Binlerce görüntüdeki her damarı piksel piksel elle izlemek yorucu ve tutarsız olduğundan ekip özel bir eğitim seti oluşturdu. ChemCam görüntülerini doku sınıflarına ayıran önceki çalışmalardan başlayıp yaklaşık 480 olası damar sahnesi seçtiler. Bunlardan uzmanlar 55 temiz örneği seçip damar olan pikselleri işaretleyen ikili maskeleri titizlikle çizdiler. Ayrıca LIBS kalsiyum verilerini basit görüntülere çevirdiler: lazerin yüksek kalsiyum ölçtüğü yerlerde parlak kareler, ölçüm olmayan yerlerde koyu kareler ve ölçüm olmayan noktalarda gri. Her büyük görüntüyü daha küçük parçalara böldüler ve yatay/dikey çevirme, döndürme ve yakınlaştırma uygulayarak bu küçük etiketli seti yüzlerce eğitim örneğine genişlettiler.

Zeki Damar Bulucunun Çalışma Prensibi

Yaklaşımın kalbinde, başlangıçta tıbbi taramalar için geliştirilen bir görüntü segmentasyon mimarisi olan U-Net’e dayanan bir dizi derin öğrenme modeli var. Model, giriş olarak ChemCam kaya görüntülerini alır ve her piksel için bunun bir damar olup olmadığını tahmin eder. Araştırmacılar birkaç varyasyonu test ettiler: yalnızca görüntülerle eğitilmiş düz U-Net’ler, büyük Dünya görüntü veri kümelerinde önceden eğitilmiş ağlardan başlatılan versiyonlar ve LIBS bilgilerini ya ek görüntü kanalları olarak ya da öğrenmeyi yönlendiren kayıp fonksiyonu aracılığıyla dahil eden modeller. En iyi performans gösteren model, kayıp fonksiyonu aracılığıyla lazer noktalarındaki kalsiyum tabanlı LIBS görüntüleriyle çelişen tahminleri nazikçe cezalandıran önceden eğitilmiş bir U-Net idi; bu, ağı kimyasal olarak tutarlı damar haritalarına yönlendirdi. Bu model yaklaşık %80 ortalama kümeleşme üzerinde kesişim (intersection-over-union) ve neredeyse %89 F1 skoru elde etti—bu kadar ince ayrıntılı bir görev için güçlü bir performans.

Gezgin Bilimi İçin Güvenilir Haritalar Oluşturmak

Bu tahminler bilimsel yorumlara rehberlik edeceği için ekip ayrıca ince bir soruyu ele aldı: her haritaya ne kadar güvenebiliriz? Eğitilmiş ağırlıkları değiştirmeden modelin çıktı eşiklerini ayarlamak için Öğren-Önce-Test (Learn-Then-Test) adlı istatistiksel bir yöntemi benimsediler. Bu eşikleri kalibrasyon setinde ayarlayarak, genel yanlış keşif oranının—tahmin edilen bir damar pikselinin aslında yanlış olma olasılığının—yaklaşık %10’un altında kalmasını garanti ettiler. Bu son işlem, bazı gerçek damarları kaçırma pahasına sahte tespitleri azalttı; recall (duyarlılık) ödün verilip etiketlenenlerin damar olduğuna daha yüksek güven sağlandı.

Mars’ı Keşfetme Açısından Anlamı

Düz anlatımla, çalışma Curiosity’nin görüntü arşivi için otomatik, kimyayı hesaba katan bir “damar izleyici” sunuyor ve bir şeyin damar olarak adlandırılmasında ne kadar temkinli olunacağına dair ayar düğmeleri içeriyor. Bununla araştırmacılar gezginin tüm geçişini hızla tarayabilir, damar bolluğunun ve kalınlığının yerden yere nasıl değiştiğini izleyebilir ve bu desenleri kayaların kimyasal bileşimiyle ilişkilendirebilir. Bu desenler de sırayla Gale Krateri kayalarında suyun ne zaman aktığını ve Mars’ta yaşanabilir koşulların ne kadar sürdüğünü anlatan hikâyemizi rafine eder. Aynı yaklaşım nihayetinde diğer kaya özellikleri ve cihazlara genişletilerek gelecekteki gezginlerin geniş görüntü koleksiyonlarını gezegen tarihine dair güvenilir, harita hazır ipuçlarına dönüştürmesine yardımcı olabilir.

Atıf: Lomashvili, A., Rammelkamp, K., Bhattacharjee, P. et al. Semantic segmentation of light-toned veins in multimodal ChemCam data. Sci Rep 16, 12052 (2026). https://doi.org/10.1038/s41598-026-47207-0

Anahtar kelimeler: Mars’ın yaşanabilirliği, Curiosity gezgini, ChemCam görüntülemesi, derin öğrenme segmentasyonu, kalsiyum sülfat damarları