CC BY
24
© А.Л Львов, Л.М. Потресов,
Л.А. Бахвалов, 2002
УЛК 65.011.56
АЛ. Львов, Л.М. Потресов, Л.А. Бахвалов
АВТОМАТИЗИРОВАННОЕ ОПРЕДЕЛЕНИЕ СТЕПЕНИ ТРЕШИНОВАТОСТИ ОТКОСА УСТУПА КАРЬЕРА
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 горно-геологических и физико-механических характеристик разрабатываемых горных пород, так как от них зависит характер, эффективность и режим ведения БВР.
При разрушении скальных и полускальных пород необходимо учитывать их текстуру. По своей текстуре они, как правило, расчленены трещинами. Наибольшее влияние на эффективность дробления взрывом оказывают крепость и трещиноватость пород [5]. От трещиноватости горного массива зависит кусковатость полученной горной массы. Частота трещин существенным образом влияет на качество дробления горной массы [2].
Методы определения трещиноватости можно разбить на три большие группы:
1) полевые геофизические методы [1,4];
2) лабораторные методы и методы моделирования [2];
3) полевые геологические методы [3];
Наиболее широко распространен фотопланиметрический метод определения трещиноватости, благодаря своим неоспоримым достоинствам:
^ метод не требует использования специальной и дорого -стоящей аппаратуры, которая необходима в других методах, что делает его привлекательным в условиях нынешней экономики, особенно для малых предприятий;
^ метод достаточно оперативен, прост и позволяет получать более быстрые по сравнению с другими методами результаты;
^ фотопланиметрический метод превосходит практически все остальные методы определения трещиноватости по точности получаемых результатов.
При фотопланиметрическом методе выбирается участок массива с хорошо видимыми трещинами длиной не менее 10 м. Выбранный участок фотографируется фотоаппаратом любой конструкции. Оптическая ось фотоаппарата должна быть направлена в центр участка перпендикулярно его простиранию. Перед фотографированием на границах выбранного участка опускают вдоль борта уступа две масштабные ленты шириной 10-15 см с делениями через 0,25-0,50 м. Расстояние между лентами измеряют рулеткой на верхней и нижней бровке, при этом желательно выдержать параллельность лент и перпендикулярность их к нижней бровке уступа.
На полученной фотографии деления масштабных лент соединяют между собой горизонтальными линиями, которые служат индикатрисами. Зная расстояние между масштабными лентами в натуре и длину индикатрис на фотографии, легко вычислить масштаб по каждой индикатрисе. На фотографии по каждой индикатрисе измеряют расстояние между естественными трещинами, пересекающими индикатрису. По расстоянию между трещинами производят распределение естественных кусков (отдельностей) на фракции крупности через 10 см.
Однако при всех своих достоинствах фотопланиметрический метод обладает серьезным недостатком: большое количество замеров трещин требует долгой
последующей обработки и в результатах обработки присутствует некоторая неточность определения трещиноватости, причиной чему служит физиологическая неспособность человека обработать большое число фотографий (до нескольких десятков) с неизменной точностью.
Таким образом, возникает задача совершенствования фо-топланиметрического метода определения трещиноватости путем автоматизированной обработки данных на основе современных информационных технологий.
Методы распознавания образов применительно к задаче оценки степени трещиноватости горного массива
Предварительные замечания
Теория распознавания образов, как одно из направлений новых информационных технологий, методически обеспечивает новый подход к оперативной автоматизированной обработке исходной фотографической информации при определении степени трещиноватости горного массива фотопланиметрическим методом. При распознавании образов возникают задачи восприятия информации, ее анализа и классификации предъявляемых образов [6].
Первая задача (фаза). Восприятие имеет очень большое значение, поэтому даже самый лучший метод распознавания не позволит эффективно обрабатывать исходные данные, если в них содержатся ошибки.
Вторая задача (фаза) - анализ описания объекта с помощью признаков. Несомненно, что при анализе воспринимается не сам объект, а скорее конкретное понятие, связанное с его представлением. Это представление соответствует совокупности свойств, связанных с объектом, и оно может быть различно у каждого наблюдателя.
Для определения одного того же объекта может быть выбрано бесконечное множество характерных признаков. Если 0 есть множество рассматриваемых объектов, то на практике основываются на множестве, состоящем из сокращенного набора
Рис. 1. Схема метода иерархической группировки
признаков, иначе говоря, на отображения 0 в пространстве заданных признаков [6]. При выборе этого пространства, обычно существенного для процедуры распознавания, руководствуются ранее полученными знаниями.
Третья задача (фаза) - классификация. Операция классификации состоит в том, чтобы распределить данные по категориям (или классам), где класс - это совокупность образов, имеющих одни и те же признаки [6]. Множество образов, подлежащих классификации, может состоять из объектов как материальных, так и воображаемых. Число классов часто бывает определено поставленной задачей. Операция предварительной обработки
можно рассматривать как фильтрацию. Такая предварительная обработка должна выполняться полностью автоматически и за возможно более короткое время для того, чтобы процедура распознавания могла быть осуществлена в реальном масштабе времени.
Признаки оценки степени трещиноватости
В случае оценки степени трещиноватости горного массива можно выделить следующие признаки, характеризующие объект:
- протяженность объекта по горизонтали («ширина» объекта);
- размер объекта по вертикали («высота» объекта);
- яркость объекта.
В указанном пространстве признаков выделяются следующие классы объектов: «Трещины» и «Тени». Также следует ввести дополнительный класс объектов «Фон», к которому следует относить объекты, не являющиеся трещинами и тенями.
Возможен случай, когда нельзя однозначно определить, что является объектом-тенью, а что -объектом-трещиной. Здесь присутствует некая неопределенность, которая выражается в пересечении классов «Трещины» и «Тени». На самом деле, в реальности никакой неопределенности не существует, неопределенность
возникает при восприятии информации.
Существуют следующие методы распознавания образов:
1. Определение расстояний между классами и функции сходства.
2. Вероятностный подход.
3. Разделяющие функции.
4. Синтаксическое распознавание.
5. Группирование методом динамических ядер.
6. Метод иерархической группировки.
Для задачи автоматизированного определения степени трещиноватости откоса уступа карьера наиболее подходит метод иерархической группировки, благодаря своим неоспоримым достоинствам:
> Метод достаточно прост в реализации, поскольку его сущность заключается в разработке процедур выявления тех или иных свойств в постоянно сокращающемся множестве объектов.
> Метод иерархической группировки не зависит от первоначального разделения объектов на классы, следовательно, можно более точно, разработав соответствующую процедуру, определить вид исследуемого объекта, даже если присутствует некоторая неопределенность в отнесении объекта к тому или иному классу.
> Метод не предполагает исследование всех остальных свойств объекта, в случае отсутствия какого-либо свойства, т.е. нет необходимости применять все процедуры иерархической группировки - объект просто исключается из рассматриваемого множества. Это обстоятельство сокращает время обработки объектов.
Суть метода иерархической группировки заключается в уменьшении влияния первоначально используемых сведений, обогатив их дополнительной информацией. Уточняются пространственные или временные отношения, исходные данные обрабатываются так, чтобы появились некоторые характерные черты (например, контура в изображении). В таких случаях говорят о символическом описании, которое получается в результате процедуры группирования, выполняющей роль и процедуры классификации.
Искомое символическое описание может иметь вид иерархической структуры (рис. 1). Метод состоит в том, чтобы разработать последовательность процедур разделения рассматриваемого множества на подгруппы, одна из которых обладает некоторым свойством (или несколькими свойствами), а другая не обладает [6].
Для решения задачи автоматизированного определения тре-
Исходное У ^ множество объектов ( М
Применение процедуры определения "ширины" объектов
Множество М1 не содержит локальных минимумов
М1
Множество М3 ^ ^
содержит только ГМ3Х объекты-тени V /
Применение процедуры определения "высоты" объектов-теней
(М2>
Применение процедуры яркостного отбора
(М4у^
У—X
Множество Т / -г \ содержит ( Т ) объекты-трещины V У (их координаты)
щиноватости откоса уступа карьера предлагается способ автоматизированного распознавания трещин на фотопланиграмме, основанный на фотопланиметриче-ском методе определения трещиноватости и методе иерархической группировки. Схема указанного способа представлена на рис. 2.
Способ автоматизированного распознавания трещин на фотопланиграмме
Каждая фотография (фото-планиграмма) сканируется с разрешением 96 точек на дюйм, поскольку такая точность, как показывают опыты, является вполне достаточной для эффективного и быстрого распознавания трещин на изображении. Следующим шагом является определение масштаба изображения для адекватного восприятия реальных расстояний между трещинами. Далее проводится разметка
фотографии. Разметка включает в себя нанесение на изображение замеров (индикатрис), вдоль которых будет обрабатываться изображение (пример показан на рис. 3). После проставления замеров производится их обработка, т.е. выделение трещин из окружающего фона. Исходным множеством объектов М (см. рис.
2) является совокупность пикселей фотографии, расположенных вдоль индикатрис.
Процедура определения «ширины» объектов
Отсканированная фотография представляет собой растровое изображение и отображается в памяти машины в виде точек. Каждая точка несет числовое значение ее яркости в диапазоне от 0 до 255 (в случае монохромных изображений). 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 тонами, а скальная поверхность массива - более светлыми. Это утверждение легло в основу предлагаемого способа
Рис. 2. Схема способа автоматизированного определения трещиноватости откоса уступа карьера
распознавания.
На рис. 4 представлен график, построенный по индикатрисе. По оси абсцисс отложено расстояние от начала замера до точки, по оси ординат - значение яркости этой точки. На графике пунктирными окружностями помечены области соответствующие трещинам, обозначенные цифрами 1, 2, 3 и 4. Как видно из графика, трещинам соответствуют глубокие локальные минимумы. Это объясняется тем, что при анализе фотографии человеком, он выделяет на ней объект-трещину, как резкий перепад яркости соседних областей.
Однако следует отличать трещину от тени. Например, трещина (2) лежит в тени, отбрасываемой верхней частью уступа. На графике в области (2) это соответствует «плоскости» в зоне минимума. Также следует различать минимумы, соответствующие трещинам и не очень «глубокие» минимумы, соответствующие неоднородности окружающего фона.
Из всего вышесказанного следует, что одной кривой, построенной по точкам, лежащим вдоль индикатрисы, недостаточно, чтобы однозначно отделить трещину от фона или тени. Трещина представляет собой объект, который обладает устойчивыми характеристиками, поскольку она имеет ширину. То есть трещине будут соответствовать еще несколько локальных минимумов, находящихся, в окрестности центрального замера (замера вдоль индикатрисы).
Способ распознавания предполагает делать еще по два замера с каждой стороны индикатрисы, анализируя уже комплексные данные, полученные при исследовании всех 5 замеров. Таким образом, при обработке одной индикатрисы обрабатывается область шириной в 5 точек, что является, как показывают опыты, вполне достаточным для эффективного и быстрого распознавания.
Рис. 3. Фрагмент фотопланиграммы с проставленным замером
координата точки от начала замера Рис. 5
На рис. 5 представлен комплексный график замера. Как видно из рисунка, в областях 1,
2, 3 и 4 в окрестности центрального минимума находятся минимумы соседних замеров. Следовательно, можно утверждать, что этих областях имеется некоторый объект, устойчивость которого сохраняется на определенной ширине.
Таким образом, одним из этапов распознавания трещин на изображении является исследование на локальные минимумы комплексные данные, полученные при обработке 5 замеров. После проведения такого исследования из рассматриваемого множества М (см. рис. 2) удаляются те объекты, устойчивость которых не сохраняется на протяжении, по крайней мере, 4 точек.
Процедура определения «высоты» объектов
Для более точного отнесения оставшихся объектов к классу «Трещины» требуется проверить их на ограниченность по вертикали. Это необходимо, чтобы выявить среди рассматриваемых объектов те объекты, которые являются тенью, отбрасываемой верхней кромкой уступа. Для этого определяется величина «пологости» минимума, соответствующего исследуемому объекту, и сравнивается с пороговым значением. По результатам сравнения выносится заключение об отнесении объекта к классу «Тени».
Схема проверки -го минимума на объект класса «Тень» выглядит следующим образом (см. рис. 6):
Рис. 4. График яркости точек, лежащих вдоль индикатрисы
Рис. 5. Комплексный график замера
Рис. 6. Схема определения признаков «тени»
1) определяется координата минимума
2) определяется координата соседнего левого максимума М
3) по формуле (1) находится значение а:
а = |? _і -М|; (1)
4) определяется яркость минимума с№);
5) определяется яркость максимума с(М);
6) по формуле (2) находится значение Ь
Ь = \с(М ) - с(ґ _ і )|; (2)
7) по формуле (3) находится величина пологости д минимума: Ь;
Я = -;
(3)
8) если величина пологости д<2, то данный минимум, как показывают опыты, является «тенью» и его требуется исключить из дальнейшего рассмотрения.
По окончании данной процедуры из множества М2 (см. рис.
2), полученного после проведения процедуры определения «ширины» объектов, исключаются объекты, относящиеся к классу «Тени».
а
Примечание: для правильной работы процедуры определения «высоты» объектов необходимо, чтобы исследуемая фотоплани-грамма была сделана в пасмурную погоду, для исключения влияния высоты солнца на длину отбрасываемой тени.
Процедура определения «яркости» объектов
Последним этапом распознавания трещин является проведение яркостного отбора. С точки зрения человека все трещины представлены более темными тонами, поэтому целесообразно убрать из рассмотрения те объекты, яркость которых не соответствуют яркости объектов класса «Трещины». Для этого составляется список всех оттенков яркости объектов, присутствую-
Рис. 7. Пример результатов распознавания трещин на фотопланиграм-ме
щих в рассматриваемом множестве М4 (см. рис. 2).
Чтобы уменьшить влияние яркости скальной поверхности различных горных пород на распознавание трещин введем показатель яркости трещин Ар.
А число оттенков трещин (4) Атр= 7 * ' '
общее число оттенков
Данная величина показывает, какую долю от общего числа присутствующих оттенков цвета на исследуемом множестве объектов М4 составляют оттенки, относящиеся к трещинам. Как показывают опыты, значение, полученное в формуле (4), лежит в диапазоне от 0,2 до 0,4. При таком соотношении обеспечивается довольно адекватное выделение трещин на поверхности скального массива.
Обозначим: Нр - число оттенков трещин; Иобщ - общее число оттенков; [С] = с С2, сн) - список всех оттенков цвета, присутствующих на исследуемом множестве М4. Длина списка равна Нощ сПОр - пороговое значение яркости трещины.
Число оттенков цвета, соответствующих трещинам находится по формуле (5):
N = А ■ N . (5)
тр тр общ 4 '
Пороговое значение яркости трещины находится по формуле (6): с = с, + N . (6)
пор 1 тр
Сравнивая яркость исследуемых объектов с пороговым значением яркости, можно исключить из множества М4 те объекты, чья яркость не соответствует яркости трещины.
Применив предложенный способ распознавания трещин для каждой проставленной индикатрисы, получаем координаты всех трещин на исследуемой поверхности (пример показан на рис. 7).
Обрабатывая данные карты трещин, можно провести расчеты для определения степени трещиноватости исследуемого участка, его гранулометрического состава и среднего диаметра естественной отдельности. Также имеется возможность определения первоначального расхода взрывчатого вещества и других следующих из этого показателя параметров.
СПИСОК ЛИТЕРАТУРЫ
1. Тангаев И.А. Технологические свойства горного массива и методы их определения» Издательство «ИЛИМ», Фрунзе, 1975.
2. 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.
3. Барон Л.И, Личели Г.П. Трещиноватость горных
пород при взрывной отбойке. - М.: Недра, 1966.
4. Ржевский В.В. и др. Методика сейсмического определения трещиноватости массивов горных пород. - М.: 1970.
5. Кутузов Б.Н. Разрушение горных пород взрывом: Учебник для вузов. -3-е изд., перераб. и доп. -М.: издательство МГИ, 1992. -516 с.: ил.
6. Фор А. Восприятие и распознавание образов. Перевод с французского к.т.н. А.В. Серединского. Под редакцией д.т.н. проф. Г.П. Катыса. - М.: «Машиностроение» 1989.
КОРОТКО ОБ АВТОРАХ ------------------------------------------------------------------------------------------
Львов Антон Демьянович - бакалавр технических наук, Московский государственный горный университет.
Потресов Дмитрий Кириллович - профессор, доктор технических наук, Московский государственный горный университет.
Бахвалов Лев Алексеевич - профессор, доктор технических наук, Московский государственный горный университет.
«НЕДЕЛЯ ГОРНЯКА-2002» СЕМИНАР < в
Файл:
Каталог:
Шаблон:
Заголовок:
карьера
Содержание:
Автор:
Ключевые слова: Заметки:
Дата создания:
Число сохранений: Дата сохранения: Сохранил:
Полное время правки: Дата печати:
При последней печати страниц: слов: знаков:
ЛЬВОВ
G:\По работе в универе\2002\Папки 2002\GIAB12-0 C:\Users\Таня\AppData\Roaming\Microsoft\Шаблоны\Normal.dotm Автоматизированное определение степени трещиноватости откоса уступа
Alexandre Katalov
22.10.2002 17:07:00 40
02.12.2008 23:14:00 Таня
90 мин.
02.12.2008 23:30:00 6
2 667 (прибл.)
15 202 (прибл.)
