Transformer-based three-dimensional crack detection in lava tubes: from a terrestrial analogue toward lunar subsurface exploration

Sintesi Tecnica: Rilevamento di Crepe 3D basato su Transformer in Tubi di Lava

Problematica
Valutare l'integrità strutturale dei tubi di lava è fondamentale per la futura esplorazione del sottosuolo lunare, dove queste formazioni sono ottimi candidati per habitat umani grazie al loro schermaggio dalle radiazioni e alla stabilità termica. Tuttavia, i metodi attuali per il rilevamento automatico delle crepe sono inadeguati per i tubi di lava naturali. L'ispezione convenzionale dei tunnel si basa su sezioni trasversali regolari e note (ad esempio, cilindriche), un presupposto violato dalle sezioni poligonali irregolari e continuamente variabili dei tubi di lava. Inoltre, questi ambienti contengono texture vulcaniche primarie (ripiani, segni di flusso, stalattiti) a scale comparabili a quelle delle crepe stesse, creando un rumore significativo per l'analisi visiva o LiDAR standard. Gli approoli di apprendimento automatico esistenti spesso faticano a gestire la scarsità, il disordine e la geometria complessa dei dati di nuvole di punti in queste scene non strutturate, in particolare nel distinguere le vere fratture dai mimetismi geologici.

Metodologia
Gli autori introducono LavaCrack_PT, un modello di deep learning basato su Transformer progettato per il rilevamento di crepe 3D in nuvole di punti non strutturate. Il flusso di lavoro consiste in tre componenti principali:

1. Acquisizione e Annotazione dei Dati:

   • Sito: Grotta di Xianren (Hainan, Cina), selezionata come analogo terrestre per la sua diversità di morfologie trasversali e variazioni di scala.
   • Sensore: Scanner LiDAR Leica RTC360 (portata 60 m, precisione 1 mm + 10 ppm) utilizzato in 30 stazioni per catturare la geometria del tubo.
   • Dataset: La nuvola di punti è stata segmentata in 175 sezioni trasversali ortogonali equidistanti. Un totale di 671 crepe è stato annotato manualmente da esperti (suddiviso in 8:2 per addestramento e test), coprendo terreni rettilinei, curvi e di crollo roccioso (rockfall). Le crepe sono state classificate per posizione (soffitto, parete, pavimento) in base all'altezza normalizzata ($z_{norm}$).

2. Architettura del Modello (LavaCrack_PT):

   • Backbone: Costruito su PointTransformerV2, il modello presenta un backbone gerarchico multi-scala a cinque livelli. Questa struttura utilizza l'attenzione vettoriale raggruppata (grouped vector attention) e il pooling basato sulla partizione per catturare sia i dettagli locali fini (bordi delle crepe) sia le dipendenze a lungo raggio (continuità delle crepe filamentose). Le dimensioni delle feature raddoppiano a ogni livello ($32 \to 1024$) mentre il numero di punti viene sottocampionato ($N \to N/16$).
   • Funzione di Perdita: Per affrontare il grave squilibrio di classe tra sfondo e crepe sottili, gli autori propongono una perdita Enhanced Dice (E-Dice). Questa include un fattore di smoothing adattivo ($\alpha$) calcolato dinamicamente in base al rapporto tra punti di primo piano e punti totali, combinato con una perdita di Cross-Entropy (CE) pesata per enfatizzare ulteriormente le classi di crepe rare.

3. Framework di Analisi:

   • Il rilevatore addestrato è stato applicato all'intero inventario del tubo per generare una mappa di campo di 893 crepe allungate.
   • Le orientazioni delle crepe sono state analizzate statisticamente rispetto all'asse locale del tubo e alla direzione radiale per testarle contro le previsioni del campo di stress termoelastico.

Risultati Chiave

• Prestazioni di Rilevamento: LavaCrack_PT ha raggiunto una media di Intersezione su Unione (mIoU) di 0,6930 e una precisione media di classe (mAcc) di 0,8027 sul set di test. Ha superato i baseline basati su CNN, grafi e altri modelli Transformer.
• Robustezza: Il modello ha dimostrato stabilità attraverso:
  • Terreno: Sezioni rettilinee, curve e zone di crollo roccioso (dove le occlusioni mimano le crepe).
  • Scala: Crepe estremamente strette (vicine alla risoluzione della nuvola di punti) e crepe estremamente larghe.
  • Densità: Nuvole di punti ad alta, media e bassa densità, mantenendo meno falsi negativi rispetto ai baseline anche a densità inferiori.
• Validazione Geologica: Il rilevatore ha identificato un distinto pattern di orientamento dipendente dalla posizione:
  • Crepe del soffitto: Prevalentemente parallele all'asse (angolo medio ~53,7° rispetto all'asse del tubo).
  • Crepe delle pareti: Prevalentemente trasversali/radiali (angolo medio ~69,4°).
  • Crepe del pavimento: Essenzialmente assenti (coerente con il mantello di crollo roccioso).
  • Questa partizione si allinea con la teoria del guscio elastico e con i modelli di resistenza elastica 2D, che prevedono tensione longitudinale sul soffitto e tensione circonferenziale sulle pareti.

Significato e Rivendicazioni
Il documento posiziona questo lavoro come un ponte tra gli analoghi terrestri e l'esplorazione lunare, formulando le seguenti rivendicazioni specifiche:

1. Validazione dei Modelli di Stress: Lo studio fornisce il primo inventario di crepe 3D misurato sul campo che valida empiricamente le previsioni del campo di stress per i tubi di lava senza fare affidamento su dati reali da missioni lunari. Conferma che, sebbene l'orientamento globale delle crepe possa apparire isotropo, la partizione dipendente dalla posizione (soffitto vs parete) corrisponde ai regimi di stress teorici.
2. Base Fisica per il Trasferimento: Gli autori sostengono che il trasferimento di un rilevatore addestrato sulla Terra alla Luna sia fisicamente giustificato. Lo stress termoelastico governante (Equazione 1) dipende dalle proprietà del materiale (composizione del basalto, espansione termica, modulo) piuttosto che dalla gravità. Sebbene la gravità scali la dimensione del tubo (permettendo campate più ampie sulla Luna), non altera il meccanismo di formazione delle crepe o la geometria del campo di stress adimensionale. Pertanto, le firme geometriche apprese sulla Terra dovrebbero rimanere valide sulla Luna.
3. Trasferibilità Metodologica: Il workflow (acquisizione LiDAR $\to$ segmentazione Transformer $\to$ analisi morfologica) è presentato come una pipeline autonoma pronta per il dispiegamento lunare. La robustezza del modello alle variazioni di densità della nuvola di punti suggerisce che possa adattarsi a diverse configurazioni di rilevamento previste nelle missioni lunari.
4. Implicazioni Ingegneristiche: L'identificazione di una popolazione specifica di crepe parietali orientate trasversalmente e radialmente è evidenziata come critica per la sicurezza ingegneristica, poiché la loro propagazione potrebbe compromettere la capacità portante dell'arco strutturale, un rischio distinto da quello delle crepe del soffitto, più numerose.

Il documento conclude che questo workflow, validato sulla Terra, offre una base trasferibile per la futura esplorazione del sottosuolo lunare, trattando l'osservazione terrestre come un rigoroso test della meccanica sottostante che governa l'integrità dei tubi di lava lunari.