Avec le passage progressif des principales mines de charbon à ciel ouvert de Chine à une exploitation en profondeur, la hauteur des pentes ne cesse d'augmenter. La surveillance de la stabilité des pentes abruptes et l'alerte aux glissements de terrain sont devenues des enjeux majeurs pour la sécurité de la production minière et la protection des vies et des biens. Les méthodes traditionnelles de surveillance des pentes sont souvent distribuées de manière « ponctuelle », chaque système de surveillance étant isolé les uns des autres. Les modèles de prédiction de déformation peinent à capturer efficacement les corrélations spatio-temporelles implicites entre les différents points de surveillance souterrains, dues à des structures géologiques communes, ce qui réduit considérablement la rapidité et la précision des alertes.
L'équipe du professeur Tan Zhuoying de l'Université des sciences et technologies de Pékin a réalisé une percée majeure dans le domaine international des sciences et technologies intelligentes. Elle a proposé un système intelligent de surveillance et d'alerte des pentes de mines à ciel ouvert basé sur la fusion de données multi-sources, brisant avec succès le goulot d'étranglement technique des grandes mines à ciel ouvert chinoises de plusieurs dizaines de millions de tonnes, à savoir « la difficulté de fusionner les données multi-sources, l'invisibilité et la difficulté d'alerte ». Ce système permet aux pentes des mines à ciel ouvert de dire adieu aux « angles morts de risques » et réalise un saut historique, passant d'une « réponse passive » à une « anticipation proactive ».
Guidé par le biomimétisme : réaliser un « test génétique » pour la « fosse minière »
L'innovation centrale de cette recherche réside dans le fait de ne plus considérer le minerai comme une matière inerte, mais d'analyser le « code de vie » de la pente avec la même logique que le décodage du génome humain. En fusionnant des mégadonnées multi-sources « spatiales-aériennes-terrestres-humaines » (couvrant l'InSAR satellitaire, le LiDAR aéroporté par drone, le radar de pente au sol et les capteurs de déplacement de haute précision installés dans les nouvelles galeries d'observation souterraines), et en utilisant de grands modèles d'IA, les risques mineurs dans la structure géologique sont identifiés avec précision. Tout comme un médecin prédit une maladie grâce aux gènes, cette technologie peut anticiper le risque de glissement de terrain et émettre une alerte rouge avant qu'il ne se produise.
L'équipe du projet a déployé un grand nombre de capteurs intelligents et auto-alimentés de microsismicité, de déplacement et de contrainte sans fil, basés sur la technologie MEMS, dans les zones clés à l'intérieur de la pente, formant avec succès un système de surveillance par Internet des objets à pleine échelle couvrant les domaines « aérien-spatial-terrestre-profond ». Ces capteurs agissent comme des « neurones » installés sur la pente, permettant une collecte automatisée à haute fréquence, 24 heures sur 24, des micro-déplacements, des changements de forces internes et des fluctuations du niveau d'eau du massif.
Décision par apprentissage profond : permettre au « trépan » de « penser de manière autonome »
Si l'alerte est la « défense », la technologie innovante de « reconnaissance pendant le forage » développée par l'équipe est l'« attaque » ultime. Auparavant, les modèles d'apprentissage profond de l'industrie utilisaient souvent des représentations simples de réseaux de stratégie. Face à des cibles d'actions hétérogènes, leur capacité d'expression saturait rapidement avec l'augmentation de la diversité des données, conduisant à des moyennes conservatrices ou à des échecs sélectifs dans les comportements hautement dynamiques.
Cette recherche s'appuie sur un modèle de réseau d'apprentissage profond basé sur un mécanisme d'attention. En interprétant conjointement les données de télédétection multi-sources et les données chronologiques en temps réel des capteurs, et en utilisant un réseau neuronal graphique (GNN) pour l'extraction de caractéristiques, elle permet une identification efficace et une localisation précise des risques sur la pente. Pendant que le trépan perce, le système d'IA analyse en temps réel la structure de la masse rocheuse, détermine ses propriétés physico-mécaniques et calcule le plan de tir optimal.
Le trépan se transforme en « chirurgien », et l'exploitation minière devient un « travail de précision ». Cela permet non seulement d'éviter les glissements de terrain induits par les tirs de mine et les précipitations, mais aussi d'améliorer significativement le taux de récupération des ressources et l'efficacité de la production. La mine n'est plus un « trou » creusé brutalement, mais une « synergie adaptative » en harmonie avec la nature.
Consolider la « ligne de vie » de la sécurité minière
La valeur profonde de cette recherche réside dans la transformation du microbiome du sol, qui passe d'une « boîte noire » à un « tableau de bord ». Auparavant, les agriculteurs savaient qu'« appliquer du fumier organique est bon », mais ne savaient pas « pourquoi c'est bon » ni « comment faire mieux » ; aujourd'hui, les scientifiques ont révélé ce « pourquoi » : le fumier organique appliqué à long terme optimise la capacité de transformation du carbone et de l'azote du sol en sélectionnant des groupes fonctionnels microbiens spécifiques, soutenant ainsi des rendements agricoles élevés et stables.
Comme l'a déclaré le professeur Zhang Ruifu, auteur correspondant de l'article : « Cette recherche fournit des preuves systématiques pour comprendre les mécanismes de régulation microécologique du sol en agriculture biologique, et indique également la direction pour l'application précise future du fumier organique et la gestion de la santé des sols. »
Lorsque les micro-organismes deviennent un « nouvel outil » de régulation agricole, l'agriculture biologique passera de la « transmission d'expérience » à une « démarche scientifique », ce qui est précisément la voie d'avenir pour une agriculture durable.