УДК 622:658.011.56 Иванов Лев Викторович аспирант кафедра АСУ

реклама
УДК 622:658.011.56
Иванов Лев Викторович
аспирант
кафедра АСУ
Московский государственный горный университет
МЕТОДИКА ПОВЫШЕНИЯ ТОЧНОСТИ БЕСКОНТАКТНОГО
АНАЛИЗА СОСТОЯНИЯ МАССИВА ГОРНЫХ ПОРОД
METHOD OF INCREASING THE ACCURACY OF CONTACTLESS
ANALYSIS STATE OF ROCK MASS
При добыче полезных ископаемых открытым способом широко
применяется технология буровзрывных работ (БВР) как метод отделения
породы от горного массива.
Массовый взрыв на карьере производится специальным инженернотехническим и работам персоналом по типовому и специальному проекту.
Технология выполнения массового взрыва состоит из двух стадий
управления [1]:
 Подготовительная стадия выполнения массового взрыва;
 Стадия выполнения массового взрыва.
На современном этапе развития горной науки и практики в
соответствии с действующими правилами ведения взрывных работ
необходимо перед выполнением массового взрыва корректировать ведение
БВР на основе конкретной оперативной информации о состоянии
взрываемого массива.
Наиболее важным этапом является определение всех горногеологических и физико-механических характеристик разрабатываемых
горных пород, так как от них зависит характер, эффективность и режим
ведения БВР. Дадим определение некоторым понятиям [2]:
Отдельность – монолитная часть массива горной породы,
ограниченная трещинами.
Трещиноватость, fissuring (англ.), Klüftung (нем.) – свойство горных
пород, нарушенность монолитности породы трещинами; этим термином
также называется совокупность трещин в породном массиве.
Блочность – показатель размера блоков горной породы,
разделенных трещинами.
Наиболее быстрым способом оценки гранулометрического состава
массива для оперативной корректировки параметров плана буровзрывных
работ является анализ фотопланиграммы взрываемого уступа карьера [3].
Фотопланиграмма представляет собой растровое изображение, которое
отображается в памяти компьютера в виде точек. Каждая точка несет
числовое значение своей яркости в диапазоне от 0 до 255 (в случае
монохромных изображений) [4]. Более темным тонам соответствует более
низкое значение яркости, а следовательно меньшее числовое значение
14
точки. Светлым тонам соответствует большее числовое значение из
данного диапазона. Поэтому все трещины представлены (с точки зрения
анализа человеком) более темными точками, а скальная поверхность
массива – более светлыми. Соответственно автоматизация метода сводится
к выделению отдельностей на фотопланиграмме и вычислению их
площадей в автономном режиме при минимальном участии человека в
данном процессе. Базовая генерация объектов обычно осуществляется с
помощью сегментации. Практика показала, что сегментация достаточно
чувствительна к качеству входных данных, различные дефекты которого
приводят к ошибкам разной степени важности, в совокупности способные
накопить значительную погрешность. Конкретнее:
1. Потеря полезной информации в силу некорректного яркостного
распределения;
2. «Протечки» процедуры сегментации или чрезмерно мелкая
генерация для глобально установленного порога;
3. Потеря составляющих единых объектов при наличии в них
неучтенных областей во время процедуры фильтрации по площади;
4. Потеря единой целостности объекта из за наличия блика на его
грани.
Частично эти проблемы снимаются специальной предобработкой
изображения, но остаточные дефекты требуют принятия дальнейших мер
уже на этапе обработки данных после сегментации. Практика показала, что
даже с предобработкой изображения на этапе фильтрации объектов по
площади теряется до 12% полезной информации. Поэтому, для всех
сегментов, не способных пройти процедуру фильтрации по площади,
требуется проверить наличие вокруг лежащего доминирующего соседа.
Если они окружены разными классами, то считать их правильными. Если
сегмент почти полностью окружен более большим классом, то провести
его ассимиляцию с ним.
Введем следующие обозначения:
T*={t1*,t2*,…,tz*) –множество объектов, не прошедших процедуру
фильтрации по площади.
Q = {q1,q2,…,qn} – множество смежных объектов tz
X = (x1,x2,…,xn) – длинна общей границы для смежных объектов tz.
B = {b1,b2,…,bn} – множество средних яркостей смежных объектов tz
d – порог разделения объектов по яркости из процедуры сегментации
l – средняя яркость спорного сегмента
Тогда ассимилирующий объект выбирается следующим образом:
Если
> 1.00 или (
или (
> 0.80 и |bn – l| < d * 4) или (
d * 3)
> 0.50 и |bn – l| < d * 2) или (
то tz ∈ qn
> 0.70 и |bn – l| <
> 0.40 и |bn – l| < d)
15
Где константы 1.00, 0.80, 0.50 и 0.40– градации вхождения в
окружающий объект. Оценка вхождения по нескольким градациям
позволяет более гибко принимать решение о выборе доминирующего
объекта. Например, яркий солнечный блик на камне будет иметь единую
(100% смежную границу) область вокруг и огромную разницу с ней в
средней яркости. Поэтому для обработки таких случаев сверку порога по
яркости надо отключать. В то же время, при наличии у сегмента
нескольких соседей, уже необходимо проверять отклонения средних
яркостей, причем чем меньше вхождение, тем строже должен становиться
допуск, вплоть до изначально принятого в процедуре сегментации.
Проведем небольшое сравнение:
Рис. 1. Результат процедуры восстановления целостности объектов.
Как видно из Рис. 1, без процедуры восстановления целостности
объектов мы теряем 12% полезной информации на выходе. Это наглядно
отражается при выделении одного из обнаруженных объектов. У него
потеряна правая нижняя часть, границы изрезаны, а тело содержит
множество пустот из за бликов или остаточных дефектов изображения. В
результате воздействия процедуры восстановления целостности объектов,
контуры становятся более полными, а все внутренние пустоты
подавляются родительским сегментом. «За бортом» обработки остаются
лишь 2% информации, установить принадлежность которых не
представляется возможным (соседство по границе меньше 40%, или
разница по средней яркости слишком существенна). Итого процедура дает
10% прирост в точности результатов.
16
Литература.
1. Дуаэр А.Х. Оценка трещиноватости массива горных пород в
системе оперативного управления буровзрывными работами на карьерах. /
Дисс. на соиск. уч. степ. к.т.н., науч. рук.: проф. д.т.н. Ильченко С.М. –
Донецк, 1983.
2. Барон Л.И., Личели Г.П. Трещиноватость горных пород при
отбойке. – М.: Недра, 1966.
3. Кутузов Б.Н. Разрушение горных пород взрывом. – М.: МГИ, 1992.
4. Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И.,
Спектор А.А. Цифровая обработка изображений в информационных
системах. – Новосибисрк: НГТУ, 2002.
5. Гонсалес Р., Вудс Р. Цифровая обработка изображений. – М.:
Техносфера, 2005.
6. КРИВБАССАКАДЕМИНВЕСТ, компания. K-GRANULES: модуль
определения гранулометрического состава взорванной горной массы.
7. Львов А.Д.. Компьютерное моделирование процесса оценки
степени трещиноватости откоса уступа карьера с использованием теории
распознования образов. / Дисс. – М., 2003.
8. Иванов Л.В. Компьютерное моделирование оценки удельной
блочности массива горных пород. / Дисс. – М., 2010.
9. Bilateral Filtering for Gray and Color Images. C. Tomasi and R.
Manduchi. Bombay, India : IEEE International Conference on Computer Vision,
1998.
Аннотация.
В
статье
рассматривается
способ
повышения
точности
бесконтактного анализа состояния массива горных пород при его
автоматизации.
In the article the way to improve the accuracy of non-contact analysis of
the rock mass with its automation.
Ключевые слова.
анализ, буровзрывные работы, точность, потери, результат
analysis, blasting, accuracy, loss, result
17
Скачать