Ricerca su un metodo di rilevamento dei frammenti di roccia da esplosione basato su una pre-segmentazione basata sulle concavità

Perché il materiale di scavo conta

Ogni volta che gli ingegneri aprono una galleria in montagna con esplosivi, rimane un cumulo disordinato di rocce frantumate. La dimensione di questi frammenti influisce molto sulla velocità con cui i camion possono portarli via, sulla frequenza con cui le squadre devono frantumare nuovamente blocchi troppo grandi o ripetere l’esplosione, e persino sulla possibilità di riutilizzare il materiale frantumato come materiale da costruzione. Tuttavia, nell’ambiente duro e polveroso di una galleria in attività, misurare in modo affidabile le dimensioni di migliaia di sassi irregolari è tutt’altro che semplice. Questo studio introduce un nuovo modo di “vedere” e separare singole rocce in tre dimensioni, aiutando le squadre a valutare meglio il successo di ciascuna esplosione e a migliorare la successiva.

Da cumuli disordinati a pezzi misurabili

Nel lavoro di perforazione e brillamento in galleria, la perforazione con esplosivi resta il metodo principale di scavo. Dopo ogni esplosione, gli operatori si trovano davanti a un cumulo di detriti che deve essere rimosso prima di poter procedere. Se rimangono troppi blocchi di grandi dimensioni, è necessario un frantumazione secondaria o addirittura un’altra esplosione, rallentando i lavori e aumentando i costi. Allo stesso tempo, gli obiettivi di sostenibilità moderni favoriscono una frammentazione più fine in modo che più materiale frantumato possa essere riutilizzato anziché scartato. La distribuzione delle dimensioni dei frammenti è quindi un indicatore diretto della buona progettazione della carica, ma i metodi tradizionali per misurare le dimensioni dei frammenti, come misurazioni manuali o setacci, sono troppo lenti e poco pratici per i cantieri di galleria impegnativi.

Perché le foto non bastano

Negli ultimi dieci anni, il software basato su immagini è diventato popolare per stimare le dimensioni dei frammenti a partire da fotografie. Strumenti come Split Desktop e WipFrag tracciano automaticamente i confini apparenti dei blocchi analizzando differenze di colore e luminosità nelle immagini 2D. Tuttavia, le condizioni in galleria raramente sono favorevoli alla fotografia. Polvere, illuminazione disomogenea e frammenti sovrapposti confondono spesso questi algoritmi, portandoli a suddividere un blocco in molte parti o a unire più blocchi in uno solo. Gli approcci di deep learning che classificano i frammenti pixel per pixel possono essere più accurati, ma richiedono grandi dataset di immagini accuratamente etichettati e vedono comunque solo un lato di ogni pietra. Non possono ricostruire la vera forma tridimensionale e il volume del cumulo.

Uso delle scansioni laser e dei vuoti nascosti

Per superare questi limiti, gli autori si sono rivolti alla scansione laser 3D. Uno scanner montato su treppiede irradia il cumulo con raggi laser e registra una densa “nuvola di punti” che cattura l’intera superficie dei frammenti. L’idea chiave del nuovo metodo è sfruttare le gap concave che si formano naturalmente dove le rocce si comprimono l’una contro l’altra. Nella nuvola di punti, questi recessi appaiono come regioni in cui la direzione della superficie piega verso l’interno. I ricercatori hanno progettato un algoritmo di pre-segmentazione basato sulle concavità che esamina il vicinato di ciascun punto, confronta la direzione della sua superficie con quella dei vicini e individua i punti che si trovano in tali regioni a curvatura interna. Questi punti concavi e i loro vicini più prossimi vengono poi rimossi, il che virtualmente “taglia” il cumulo lungo le gap naturali tra i blocchi.

Affinare i confini e contare le rocce

Dopo che quelle regioni di gap sono state rimosse, i punti rimanenti formano ammassi separati che corrispondono in gran parte ai frammenti di roccia individuali. Un metodo di clustering basato sulla distanza raggruppa quindi i punti vicini in blocchi candidati. Poiché la pre-segmentazione ha eliminato alcuni punti di confine, gli autori aggiungono un secondo passaggio di raffinamento: stimano quali punti si trovano sui bordi di ciascun cluster e poi reintroducono selettivamente punti compatibili dalle regioni concave rimosse, utilizzando un semplice controllo di planarità. Questo ricompone i bordi mancanti mantenendo distinti i blocchi adiacenti. Infine, uno strumento geometrico standard chiamato scatola orientata di delimitazione viene avvolto strettamente attorno a ogni frammento per stimarne le tre dimensioni principali e compilare una distribuzione granulometrica dell’intero cumulo di detriti.

Test reali in galleria e confronti

Il team ha testato il proprio approccio sui detriti da esplosione della Galleria Xianyue in Cina, utilizzando uno scanner laser 3D commerciale nelle normali condizioni di cantiere. Su questi dati reali, il metodo ha segmentato correttamente oltre l’80 percento dei grandi frammenti spessi più o meno 30 centimetri, con un tasso di falsi rilevamenti inferiore al 20 percento. Sotto- e sovra-segmentazioni erano principalmente legate ai limiti dello scanner, come campionamenti grossolani ad alcuni angoli o piccole pietre che nascondono gap concavi tra blocchi più grandi. I ricercatori hanno anche confrontato il loro metodo con quattro algoritmi comunemente usati per nuvole di punti 3D, inclusi clustering di base per distanza, clustering con controlli sulla direzione di superficie, region growing e una popolare tecnica basata su supervoxel. Tutte e quattro le alternative hanno faticato o a suddividere grandi rocce in molti pezzi o a unire rocce separate, specialmente quando le dimensioni dei frammenti variavano ampiamente.

Cosa significa per i lavori in galleria

In termini semplici, lo studio mostra che rimuovendo prima i recessi naturali tra pietre a contatto, gli ingegneri possono distinguere con maggiore affidabilità una roccia dall’altra in una scansione 3D. Questa pre-segmentazione basata sulle concavità, seguita da un clustering migliorato, fornisce conteggi e stime dimensionali dei frammenti da esplosione più attendibili direttamente in galleria. Sebbene siano necessari ulteriori sviluppi per accelerare i calcoli e gestire cumuli molto complessi, il metodo offre già un modo pratico per verificare l’efficacia di un’esplosione e ottimizzare le esplosioni future. Una migliore conoscenza delle dimensioni dei frammenti può ridurre i tempi di caricamento, diminuire i lavori di rifacimento e favorire un riutilizzo più intelligente del materiale scavato, tutti aspetti importanti per cantieri sotterranei più sicuri, veloci e sostenibili.

Citazione: 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

Parole chiave: esplosioni in galleria, frammenti di roccia, scansione laser 3D, segmentazione di nuvole di punti, distribuzione delle dimensioni dei frammenti