Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Горный информационно-аналитический бюллетень (научно-технический журнал), 2013, № 2 (спецвып.)

Автоматизация бесконтактного анализа состояния массива горных пород
Покупка
Артикул: 701382.0001.99
Рассмотрены проблема точности автоматизированной обработки фотопланиграммы при определении удельной блочности и проблема автоматизации обработки изображений взрываемого массива карьера для получения оперативной информации о его состоянии. Проведен анализ слабых мест алгоритмов обработки и способов их устранения и анализ существующих методов обработки изображения и выбор метода, наиболее полно соответствующего поставленной задачи с учетом специфики изображений.
Горный информационно-аналитический бюллетень (научно-технический журнал), 2013, № 2 (спецвып.): Автоматизация бесконтактного анализа состояния массива горных пород - М.:Горная книга, 2013. - 17 с.:. - Текст : электронный. - URL: https://znanium.com/catalog/product/1004028 (дата обращения: 28.04.2024). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов. Для полноценной работы с документом, пожалуйста, перейдите в ридер.
АВТОМАТИЗАЦИЯ
БЕСКОНТАКТНОГО
АНАЛИЗА СОСТОЯНИЯ
МАССИВА ГОРНЫХ
ПОРОД

Л.В. Иванов
Б.Ф. Коньшин

УДК 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

И 20 

622:658.011.56 
И 20 
 
 
 
Книга соответствует «Гигиеническим требованиям к изданиям книжным для взрослых» СанПиН 1.2.1253-03, утвержденным Главным государственным санитарным врачом России 30 марта 2003 г. (ОСТ 
29.124—94). Санитарно-эпидемиологическое заключение Федеральной 
службы по надзору в сфере защиты прав потребителей и благополучия
человека № 77.99.60.953.Д.014367.12.12 
 
 
 
 
 
Иванов Л.В., Коньшин Б.Ф. 

Автоматизация бесконтактного анализа состояния массива

горных пород // Горный информационно-аналитический бюллетень (научно-технический журнал). Отдельные статьи (специальный выпуск). — 2013. — № 2. — 20 с.— М.: издательство 
«Горная книга» 

ISSN 0236-1493 
 
Рассмотрены проблема точности автоматизированной обработки
фотопланиграммы при определении удельной блочности и проблема автоматизации обработки изображений взрываемого массива карьера для 
получения оперативной информации о его состоянии. Проведен анализ
слабых мест алгоритмов обработки и способов их устранения и анализ 
существующих методов обработки изображения и выбор метода, наиболее полно соответствующего поставленной задачи с учетом специфики
изображений. 
 

УДК 622:658.011.56

©  Л.В. Иванов, Б.Ф. Коньшин, 2013 
©  Издательство «Горная книга»,   
2013 

ISSN 0236-1493 

©  Дизайн книги. Издательство  
«Горная книга», 2013 

 
 

УДК 622:658.011.56 
© Л.В. Иванов, 2013 
 

ОЦЕНКА ПОТЕРЬ ПОЛЕЗНОЙ  
ИНФОРМАЦИИ ПРИ АВТОМАТИЗИРОВАННОМ  
БЕСКОНТАКТНОМ АНАЛИЗЕ СОСТОЯНИЯ  
МАССИВА ГОРНЫХ ПОРОД 

Рассмотрена проблема точности автоматизированной обработки 
фотопланиграммы при определении удельной блочности взрываемого 
массива карьера для получения оперативной информации о его состоянии. Проведен анализ слабых мест алгоритмов обработки и способов 
их устранения. 
Ключевые слова: горный массив, гранулометрический состав, фотопланиграмма, фильтрация. 
 
Наиболее быстрым способом оценки гранулометрического 
состава массива для оперативной корректировки параметров плана буровзрывных работ является анализ фотопланиграммы взрываемого уступа карьера [1]. 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) [2]. Более темным тонам соответствует более низкое 
значение яркости, а следовательно меньшее числовое значение 
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. На этом утверждении базируется методика распознавания для любой разновидности фотопланиметрического метода, будь то подсчет количество трещин или оценка площадей объектов напрямую. Приведем принципиальную модель анализа фотопланиграммы [3] (рис. 1). 
После применения процедуры сегментации изображения исходное множество П преобразуется в элементы множества М1. 
Применение процедуры фильтрации объектов по уровню яркости разбивает множество М1 на два подмножества М2 (с недостаточной яркостью) и М3. В М3 содержатся только те объекты, которые обладают достаточной яркостью для объекта типа 
«отдельность». 

Рис. 1. Модель бесконтактного анализа удельной блочности массива: исходным множеством объектов «П» является совокупность пикселей всего 
изображения 
 
Процедура фильтрации объектов по площади, проведенная 
над множеством М3 исключает из него объекты, площадь которых соответствует площади объектов мелкой выработки (множество М4). В результате множество «О» содержит только объектыотдельности, их площади и позиции сохраняются в перечне объектов-отдельностей. 
Проанализируем уровень потерь полезной информации после обработки приведенной выше моделью. Возьмем типичную 
фотопланиграмму (Рис. 2), а лучше её небольшую увеличенную 
область для упрощения анализа (Рис. 3). 
Основным критерием, на который опирается модель при своей работе, является разница по яркости между проверяемыми областями. Поэтому наипервейшей задачей становится оценка влияния характера распределения яркостей на качество детектирования 
областей. Используя тестовый образец (Рис. 3), получаем рис. 4. 
Как видно из Рис. 4 модель захватила в темную область (выделена красным) кусок изображения (обведен желтым), по сути 
ей не являющейся. Связано это с тем, что этот кусок имеет слишком низкий уровень яркости, по сравнению со средней яркостью 
по этой части изображения. Последующая обработка моделью 

П 

М1 

М2 
М3 

М4 
О 

Применение процедуры сегментации 

Применение процедуры фильтрации объектов  
по уровню яркости 

Применение процедуры фильтрации  
объектов по площади 

фильтрации по яркости (см. Рис. 1) приведет к полной утрате информации об этой области и неправильной оценке гранулометрического состава в силу искажения полезной информации. 
Продолжим анализ, оценивая воздействие естественных бликов и отсветов на итоговый результат (рис. 5). 
Как видно из Рис. 5, модель расценила единый объект (обведен желтым) как два независимых, за один из которых был принят блик солнца на грани реального объекта. Если таких ошибок 
будет больше, то это тоже приведет к неправильной оценке гранулометрического состава. 
 

 
Рис. 2. Общая фотопланиграмма уступа 
 

 
Рис. 3. Увеличенная часть фотопланиграммы 

Рис. 4. Детектирование темной области изображения 
 

 
Рис. 5. Влияние бликов на детектирование объекта 

Таблица 1  
Результаты обработки с разным значением порога по площади 

Порог, % площади 
Количество, шт 
Потери, % 

0.05 
74 
3 

0.1 
47 
5 

0.2 
31 
7 

0.3 
27 
8 

0.4 
26 
8,53 

0.5 
25 
8,96 

0.6 
22 
10,6 

0.7 
21 
11,3 

0.8 
19 
12,8 

0.9 
19 
12,8 

1.0 
17 
14,7 

 
Теперь проведем анализ потерь полезной информации после 
применения процедуры фильтрации по площади. Составим таблицу потерь с промежутком порога фильтрации по площади с 
шагом в 0,1 % от общей площади фотопланиграммы. 
Для наглядности построим диаграммы зависимостей количества отсекаемых сегментов и уровня потерь в зависимости от порога фильтрации с шагом в 0,1 % от общей площади фотопланиграммы. 
Как видно из рисунков выше, основной отсев можно считать закончившимся на пороге в 0.3 % от общей площади фотопланиграммы, 

 

Рис. 6. Оставшееся количество объектов после процедуры фильтрации по 
площади 

Рис. 7. Потери полезной информации в % после процедуры фильтрации по 
площади 
 
а после 1 % вообще остаются только действительно устойчивые 
объекты. Исходя из этого, можно считать, что модель сгенерировала 74 – 17 = 57 объектов с размером менее 1 % от общей площади, итого 10,6 % суммарных данных, не вошедших ни в один 
из устойчивых объектов. 

Выводы 
Потери от фильтрации по яркости (связанные с затемненными или переосветлёнными, бликующими, областями) можно решить путем предварительной нормализации распределения яркости с применением сглаживающего фильтра. Потери от фильтрации по площади устраняется путем создания алгоритма ассимиляции мелких областей более крупными вокруг лежащими областями. 
 
 
СПИСОК ЛИТЕРАТУРЫ 
 
1. Кутузов Б.Н. Разрушение горных пород взрывом. — М: МГИ, 

1992. 

2. Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спек
тор А.А. Цифровая обработка изображений в информационных системах. — Новосибисрк: НГТУ, 2002. 

3. Иванов Л.В. Дис. «Компьютерное моделирование оценки удель
ной блочности массива горных пород». б.м. : — М., 2010. 

УДК 622:658.011.56 
© Л.В. Иванов, Б.Ф. Коньшин, 2013 
 

МЕТОДЫ И АЛГОРИТМЫ  
АВТОМАТИЗАЦИИ БЕСКОНТАКТНОГО  
АНАЛИЗА СОСТОЯНИЯ МАССИВА  
ГОРНЫХ ПОРОД 
 

Рассмотрена проблема автоматизации обработки изображений взрываемого массива карьера для получения оперативной информации о его 
состоянии. Проведен анализ существующих методов обработки изображения и выбор метода, наиболее полно соответствующего поставленной задачи с учетом специфики изображений. 
Ключевые слова: полезные ископаемые, горный массив, буровзрывные 
работы, фотопланиметрический метод. 
 
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 инженерно-техническим и работам персоналом по типовому и специальному проекту. Технология выполнения массового взрыва 
состоит из двух стадий управления: 
Подготовительная стадия выполнения массового взрыва; 
Стадия выполнения массового взрыва. 
Схема технологического процесса БВР на карьере представлена на рис. 1. 
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 является определение всех горногеологических и физико-механических характеристик разрабатываемых горных пород, так как от них зависит характер, эффективность и режим ведения БВР. Одной из таких горногеологических характеристик является «Отдельность». 
Отдельность — монолитная часть массива горной породы, 
ограниченная трещинами. 

Рис. 1. Схема технологического процесса буровзрывных работ на карьере 
 
Одной из разновидностей бесконтактных методов определения удельной блочности является фотопланиметрический метод, 
основанный на изучении поверхностей отбитых взрывом кусков 
и измерении диаметра кусков, не имеющих свежих сколов. 
Забой рассматривается или фотографируется с заданного 
расстояния (20 м) через шаблон, на экране которого нанесена 
масштабная сетка. Процент крупных кусков (отдельностей) на 1 м3 
взорванной горной массы определяют по формуле (1), предложенной МГГУ (МГИ): 

100%
+ = ∑
m
в
S
V
ab
 
 (1) 

где ∑
m
S  — площадь крупных отдельностей (кусков) на фото
планиграмме, см2; ab  — площадь фотопланограммы, на которой 
выполняются измерения, см2. 

Подготовка исходной информации 

Составление технологического расчета 

Разметка сетки скважин 

Бурение взрывных скважин 

Съемка сетки пробуренных 
скважин 

Составление корректировочного расчета 

Заряжание взрывных скважин 

Коммутация скважинных 
зарядов 

Взрыв серии скважинных 
зарядов 

Оценка качества взрыва