← 最新论文
💻 computer science

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

本文介绍了 LavaCrack_PT,这是一种基于 Transformer 的模型,它利用来自仙人洞的 LiDAR 数据,实现了对非结构化熔岩管点云中稳健的 3D 裂缝检测,为结构评估和未来的月球地下探测提供了一套经过验证的工作流。

原作者: Cheng Zhou, Yuxiang Wang, Guanghui Gao, Yan Zhou, Gao yuyue, Long Xiao, Ding lieyun

发布于 2026-08-03
📖 1 分钟阅读☕ 轻松阅读

原作者: Cheng Zhou, Yuxiang Wang, Guanghui Gao, Yan Zhou, Gao yuyue, Long Xiao, Ding lieyun

原始论文采用 CC BY 4.0 许可(https://creativecommons.org/licenses/by/4.0/)。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性,请参阅原始论文。 阅读完整免责声明

想象一下,你是一名试图建造秘密地下城市的探险家。你听说在月球深处有着巨大的、中空的隧道,非常适合躲避太阳风暴和陨石袭击。但在搬进去之前,你需要知道天花板会不会塌在你头上。问题在于,这些隧道漆黑一片,墙壁参差不齐、形状怪异,且布满了看起来就像是你所担心的那些裂缝一样的古老火山伤痕。这就像是在黑暗中戴着厚厚的冬手套,试图在一块布满裂纹的冰面上寻找一道细微的发丝裂缝。

为了解决这个问题,科学家们使用了一种特殊的“数字眼睛”,叫做激光雷达(LiDAR)。它不是拍摄照片,而是发射数百万个微小的光束,并测量它们反射回来的时间,从而创建一个由数百万个点组成的 3D 地图(即“点云”)。通常情况下,计算机非常擅长发现人类建造的笔直、单调隧道(如地铁站)中的裂缝。但天然的熔岩管是杂乱、弯曲且不规则的。它们不遵循规则。所以,大问题在于:我们能否教会计算机忽略那些杂乱的火山纹理,并找到危险的裂缝,即使我们从未真正进入过其中一个?

这正是研究人员致力于解决的问题。他们构建了一个超级智能的计算机大脑——LavaCrack_PT,它使用了一种被称为“Transformer”的人工智能类型。把 Transformer 想象成一名侦探,它不仅仅一次只看一个地方,而是同时观察全局,理解一个角落的裂缝如何与另一处墙壁的形状相关联。他们利用中国海南的一个真实熔岩管——仙人洞,对这个 AI 进行了训练。该 AI 学会了在杂乱的 3D 激光数据中识别裂缝,将裂缝与无害的火山凸起或岩层区分开来。

结果令人印象深刻。该 AI 在洞穴中发现了 893 条裂缝,并以极高的准确度识别了它们(其与地面真值匹配的得分(IoU)为 0.69,类别准确度为 0.80)。它不仅找到了裂缝,还弄清楚了它们在哪里。AI 发现了一个清晰的模式:管壁顶部的裂缝往往沿长度方向(平行于隧道)延伸,而侧壁上的裂缝则横向分布。这并非随机现象,而是符合关于热量和重力应力如何作用于岩石的物理模型预测。

为什么这对月球很重要?研究人员认为,由于熔岩冷却和产生裂缝的物理机制在地球和月球上是相同的(只是规模不同),因此该 AI 在地球上学到的知识可以被月球所信任。尽管月球的重力较低,且隧道可能比地球上的大 100 到 1000 倍,但裂缝形成的规律受相同的法则支配。论文指出,这种在地球上训练出的 AI 可以被送往月球去扫描月球熔岩管,让我们第一次真正了解它们的结构安全性。这是一种利用地球“类比物”(替代品)来为未来做准备的方式——在未来我们可能真的居住在月球洞穴中时,将一个黑暗、危险的谜团变成一个经过测绘的、安全的家园。

您所在领域的论文太多了?

获取与您研究关键词匹配的最新论文每日摘要——附技术摘要,使用您的语言。

试用 Digest →