>
Fa   |   Ar   |   En
   بررسی تداوم درزه‌های طبیعی با استفاده از تکنیک های هوشمند (مطالعه موردی معدن گل‌گهر سیرجان)  
   
نویسنده عسکرپور کبیر مهدی ,بشیری بهروز ,رضایی امیرحسین ,کریمی نسب سعید ,جلالی فر حسین ,امیری حسینی محمد
منبع سيزدهمين كنفرانس ملي مهندسي معدن ايران - 1403 - دوره : 13 - سیزدهمین کنفرانس ملی مهندسی معدن ایران - کد همایش: 03241-92190 - صفحه:0 -0
چکیده    ساختار توده سنگ‌ها عموماً ناپیوسته و دارای تعداد زیادی دسته‌درزه هستند که تاثیر زیادی روی پایداری و نفوذپذیری توده سنگ دارد؛ بنابراین لازم است اطلاعات ناپیوستگی توده سنگ از جمله تداوم، فاصله داری و جهت‌داری توده سنگ را اندازه‌گیری کرد. تداوم یک پارامتر کلیدی در تحلیل پایداری شیب دیواره معادن است. درگذشته با استفاده از کلینورول، متر و خط برداشت تداوم تخمین زده می‌شد که وقت‌گیر است و امکان خطای انسانی در آن وجود دارد. همچنین به دلیل زمان موردنیاز برای کار میدانی و دسترسی محدود به توده سنگ، داده‌ها ناقص هستند. به‌منظور غلبه بر این کمبود بعداً از فتوگرامتری و اسکن لیزری سه‌بعدی استفاده شده است. ثبت این ناپیوستگی‌ها توسط فتوگرامتری دارای مزایای اندازه‌گیری بدون تماس، سریع، ایمن و بادقت بالا است. ابتدا ابرهای نقاط باید از قبل پردازش شوند تا یک مدل اولیه از سطح دیجیتال سه‌بعدی یک توده سنگ تولید کنند سپس با استفاده از نرم‌افزارهای تجاری مانند sirovision و 3dm analyst برای تشخیص ناپیوستگی‌ها استفاده می‌شود که این نرم‌افزارها توانایی تشخیص دقیق ناپیوستگی‌ها را ندارند و برای این کار به یک اپراتور جهت تعین ناپیوستگی‌ها نیاز دارند این کار می‌تواند باعث بروز خطا شود. در این تحقیق یک روش جدید تخمین تداوم ناپیوستگی بر اساس تکنیک‌های هوشمند و پردازش تصویر ارائه شده است. این روش هم در معادن روباز و هم زیرزمینی کاربرد دارد. این پروژه یک روش برای استخراج ناپیوستگی‌های سنگ از ابرهای نقاط بر روی مدل‌های دیجیتال سه‌بعدی دیواره معادن به‌دست‌آمده از فتوگرامتری ارائه می‌کند. باتوجه‌به اینکه شناسایی درزه‌ها و تخمین تداوم در این روش به‌صورت هوشمند است دقت بسیار بالایی دارد.
کلیدواژه ناپیوستگی،تداوم،فتوگرامتری،پردازش تصویر،هوش مصنوعی
آدرس , iran, , iran, , iran, , iran, , iran, , iran
پست الکترونیکی khah972@gmail.com
 
   investigating the persistence of natural joints using deep learning (case study of gol gohar iron ore mine no. 1 in sirjan)  
   
Authors
  
 
 

Copyright 2023
Islamic World Science Citation Center
All Rights Reserved