Recherche sur une méthode de détection des fragments de roche d’explosion basée sur une pré-segmentation par concavité

Pourquoi les déblais de tunnel sont importants

Chaque fois que des ingénieurs font sauter un passage dans une montagne, ils laissent derrière eux un amas confus de roches brisées. La taille de ces fragments influence fortement la vitesse à laquelle les camions peuvent les évacuer, la fréquence à laquelle les équipes doivent re-fracter des blocs trop gros, et même si les déblais peuvent être réutilisés comme matériau de construction. Pourtant, dans l’environnement poussiéreux et hostile d’un tunnel en activité, mesurer de manière fiable des milliers de pierres irrégulières est loin d’être simple. Cette étude présente une nouvelle façon de « voir » et de séparer les roches individuelles en trois dimensions, aidant les équipes à mieux évaluer le succès de chaque tir et à améliorer les suivants.

Des tas désordonnés aux pièces mesurables

Dans le creusement de tunnels en montagne, le forage et le dynamitage restent la principale méthode d’excavation. Après chaque tir, les ouvriers font face à un tas de déblais qui doit être dégagé avant de pouvoir reprendre. Si trop de blocs volumineux subsistent, ils nécessitent un concassage secondaire ou même un nouveau tir, ralentissant l’avancement et augmentant les coûts. Parallèlement, les objectifs modernes de durabilité favorisent une fragmentation plus fine afin que davantage de matériaux brisés puissent être réutilisés plutôt que rejetés. La distribution des tailles de fragments est donc un indicateur direct de la qualité de la conception du tir, mais les méthodes traditionnelles de mesure — mesures manuelles ou tamis — sont trop lentes et peu pratiques sur des chantiers de tunnel très actifs.

Pourquoi les photos ne suffisent pas

Au cours de la dernière décennie, les logiciels basés sur l’image sont devenus populaires pour estimer la taille des fragments à partir de photographies. Des outils comme Split Desktop et WipFrag retracent automatiquement les contours apparents des blocs en analysant les différences de couleur et de luminosité sur des images 2D. Cependant, les conditions en tunnel sont rarement favorables à la prise de vue. La poussière, l’éclairage inégal et le chevauchement des fragments perturbent souvent ces algorithmes, qui peuvent scinder un même bloc en plusieurs morceaux ou fusionner plusieurs blocs en un seul. Les approches d’apprentissage profond qui classent les fragments pixel par pixel peuvent être plus précises, mais elles nécessitent de larges jeux de données d’images soigneusement annotées et n’observent toujours qu’un seul côté de chaque pierre. Elles ne peuvent pas reconstituer la véritable forme tridimensionnelle et le volume des déblais.

Utiliser des scans laser et les creux cachés

Pour surmonter ces limites, les auteurs se sont tournés vers la numérisation laser 3D. Un scanner monté sur trépied balaie le tas de déblais avec des faisceaux laser et enregistre un « nuage de points » dense qui capture la surface complète des fragments. L’idée clé de la méthode est d’exploiter les vides concaves qui se forment naturellement là où les roches s’appuient les unes contre les autres. Dans le nuage de points, ces creux apparaissent comme des régions où les directions de surface se replient vers l’intérieur. Les chercheurs ont conçu un algorithme de pré-segmentation basé sur la concavité qui examine le voisinage de chaque point, compare l’orientation de sa surface à celle de ses voisins, et marque les points situés dans ces régions concaves. Ces points concaves et leurs voisins les plus proches sont ensuite retirés, ce qui « coupe » virtuellement le tas le long des interstices naturels entre blocs.

Aiguiser les frontières et compter les roches

Une fois ces régions de creux supprimées, les points restants forment des amas séparés qui correspondent en grande partie à des fragments individuels. Une méthode de clustering basée sur la distance regroupe ensuite les points proches en blocs candidats. Parce que la pré-segmentation a retiré certains points de frontière, les auteurs ajoutent une étape de raffinement : ils estiment quels points se trouvent sur les bords de chaque groupe puis réintègrent sélectivement des points compatibles issus des zones concaves supprimées, en appliquant un simple test de planéité. Cela comble les arêtes manquantes tout en maintenant la distinction entre blocs voisins. Enfin, un outil géométrique standard, la boîte englobante orientée, est ajusté autour de chaque fragment pour estimer ses trois dimensions principales et établir une distribution granulométrique pour l’ensemble du tas de déblais.

Tests en tunnel réel et comparaisons

L’équipe a testé son approche sur des déblais d’explosion du tunnel du mont Xianyue en Chine, en utilisant un scanner laser 3D commercial dans des conditions de chantier normales. Sur ces données réelles, la méthode a correctement segmenté plus de 80 % des gros fragments d’épaisseur supérieure à environ 30 centimètres, avec un taux de fausses détections inférieur à 20 %. Les sur- et sous-segmentations étaient principalement liées aux limites du scanner, telles qu’un échantillonnage grossier à certains angles ou de petites pierres cachant des creux entre de plus gros blocs. Les chercheurs ont également comparé leur méthode à quatre algorithmes courants de traitement de nuages de points 3D, incluant le clustering basique par distance, le clustering avec vérification de la direction de surface, la croissance de région et une technique populaire basée sur les supervoxels. Ces quatre alternatives peinaient soit à diviser un gros bloc en plusieurs morceaux, soit à séparer des blocs distincts, notamment lorsque la taille des fragments variait largement.

Ce que cela signifie pour le travail en tunnel

En termes simples, l’étude montre qu’en écartant d’abord les creux naturels entre pierres en contact, les ingénieurs peuvent plus fiablement distinguer une roche d’une autre dans un scan 3D. Cette pré-segmentation fondée sur la concavité, suivie d’un clustering amélioré, fournit des comptages et des estimations de taille des fragments de tir plus fiables directement sur le chantier. Si des travaux supplémentaires sont nécessaires pour accélérer le calcul et gérer des tas très complexes, la méthode offre déjà une manière pratique de vérifier la performance d’un tir et d’affiner les suivants. Une meilleure connaissance des tailles de fragments peut raccourcir les temps de chargement, réduire les reprises et favoriser une réutilisation plus judicieuse des matériaux excavés, autant d’avantages pour des constructions souterraines plus sûres, plus rapides et plus durables.

Citation: Xiao, Y., Lei, M., Jia, C. et al. Research on a detection method for blast rock fragments based on concavity-based pre-segmentation. Sci Rep 16, 14935 (2026). https://doi.org/10.1038/s41598-026-38799-8

Mots-clés: minage de tunnel, fragments de roche, numérisation laser 3D, segmentation de nuage de points, distribution des tailles des fragments