Pesquisa sobre um método de detecção de fragmentos de rocha de detonação baseado em pré-segmentação por concavidade

Por que o entulho de túnel importa

Cada vez que engenheiros detonam um túnel através de uma montanha, fica para trás um monte desordenado de rochas quebradas. O tamanho desses fragmentos influencia fortemente a velocidade com que caminhões podem removê-los, a frequência com que equipes precisam retrabalhar ou redetonar blocos grandes e até se o material fragmentado pode ser reutilizado na construção. Porém, no ambiente severo e empoeirado de um túnel ativo, medir com confiabilidade milhares de pedras irregulares está longe de ser simples. Este estudo apresenta uma nova forma de “ver” e separar rochas individuais em três dimensões, ajudando as equipes a avaliar melhor o sucesso de cada detonação e a melhorar a próxima.

De pilhas confusas a peças mensuráveis

Na escavação de túneis em rocha, perfuração e detonação ainda são o principal método. Após cada detonação, os trabalhadores enfrentam um monte de entulho que precisa ser removido antes do próximo ciclo. Se muitos blocos grandes permanecerem, será necessário trituração secundária ou até nova detonação, retardando o progresso e elevando custos. Ao mesmo tempo, metas modernas de sustentabilidade incentivam uma fragmentação mais fina para que mais do material possa ser reaproveitado em vez de descartado. A distribuição dos tamanhos de fragmentos é, portanto, um indicador direto de quão bem projetada foi a detonação, mas maneiras tradicionais de medir tamanho de fragmentos, como medições manuais ou peneiras, são lentas e impraticáveis em canteiros de túnel movimentados.

Por que fotos não bastam

Na última década, softwares baseados em imagens tornaram-se populares para estimar tamanhos de fragmentos a partir de fotografias. Ferramentas como Split Desktop e WipFrag traçam automaticamente limites aparentes dos blocos ao analisar diferenças de cor e brilho em imagens 2D. Entretanto, condições em túneis raramente são favoráveis a câmeras. Poeira, iluminação desigual e fragmentos sobrepostos muitas vezes confundem esses algoritmos, levando-os a dividir um bloco em muitas partes ou a agrupar vários blocos como se fossem um só. Abordagens de aprendizado profundo que classificam pixels podem ser mais precisas, mas exigem grandes conjuntos de imagens cuidadosamente rotuladas e ainda assim veem apenas um lado de cada pedra. Elas não conseguem recuperar a verdadeira forma tridimensional e o volume do entulho.

Usando varreduras a laser e cavidades escondidas

Para superar essas limitações, os autores recorreram à varredura a laser 3D. Um scanner montado em tripé varre o monte de entulho com feixes laser e registra uma dense "nuvem de pontos" que captura toda a superfície dos fragmentos. A ideia central do novo método é explorar as lacunas côncavas que se formam naturalmente onde as rochas se pressionam. Na nuvem de pontos, essas cavidades aparecem como regiões onde as direções da superfície curvam para dentro. Os pesquisadores projetaram um algoritmo de pré-segmentação baseado em concavidade que examina a vizinhança de cada ponto, compara a direção de sua superfície com a dos vizinhos e marca pontos que se situam em regiões com curvatura interna. Esses pontos côncavos e seus vizinhos mais próximos são então removidos, o que virtualmente "corta" a pilha ao longo das lacunas naturais entre os blocos.

Afiando limites e contando pedras

Depois que essas regiões de lacuna são removidas, os pontos restantes formam aglomerados separados que em grande parte correspondem a fragmentos individuais. Um método de agrupamento baseado em distância então reúne pontos próximos em blocos candidatos. Como a pré-segmentação removeu alguns pontos de fronteira, os autores adicionam uma segunda etapa de refinamento: estimam quais pontos estão nas bordas de cada aglomerado e então restauram seletivamente pontos compatíveis das regiões côncavas removidas, usando uma verificação simples de planaridade. Isso preenche bordas faltantes mantendo os blocos vizinhos distintos. Finalmente, uma ferramenta geométrica padrão chamada caixa delimitadora orientada é ajustada ao redor de cada fragmento para estimar suas três dimensões principais e compilar uma distribuição de tamanhos de partículas para todo o monte de entulho.

Testes em túneis reais e comparações

A equipe testou sua abordagem em entulho de detonação do Túnel Monte Xianyue, na China, usando um scanner comercial 3D sob as restrições normais de construção. Nos dados reais, o método segmentou corretamente mais de 80% dos fragmentos grandes com espessura superior a cerca de 30 centímetros, com taxa de detecção falsa abaixo de 20%. Subdivisões excessivas e insuficientes estiveram principalmente ligadas a limites do scanner, como amostragem grosseira em certos ângulos ou pequenas pedras escondendo lacunas côncavas entre blocos maiores. Os pesquisadores também compararam seu método com quatro algoritmos comuns de nuvem de pontos 3D, incluindo agrupamento por distância básico, agrupamento com checagens de direção de superfície, region growing e uma técnica popular baseada em supervoxels. Todas as quatro alternativas tiveram dificuldades, ora fragmentando grandes rochas em muitas peças, ora fundindo rochas separadas, especialmente quando os tamanhos dos fragmentos variavam amplamente.

O que isso significa para o trabalho em túneis

Em termos simples, o estudo mostra que, ao primeiro remover as cavidades naturais entre pedras em contato, os engenheiros podem distinguir uma rocha da outra com mais confiabilidade em uma varredura 3D. Essa pré-segmentação baseada em concavidade, seguida de um agrupamento aprimorado, fornece contagens e estimativas de tamanho de fragmentos mais confiáveis diretamente no túnel. Embora sejam necessários trabalhos futuros para acelerar o processamento e lidar com pilhas muito complexas, o método já oferece uma maneira prática de verificar o desempenho de uma detonação e ajustar detonações futuras. Melhor conhecimento do tamanho dos fragmentos pode reduzir o tempo de remoção do entulho, diminuir retrabalhos e apoiar o reuso inteligente do material escavado, o que importa para construções subterrâneas mais seguras, rápidas e sustentáveis.

Citação: 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

Palavras-chave: detonação de túneis, fragmentos de rocha, varredura a laser 3D, segmentação de nuvem de pontos, distribuição de tamanhos de fragmentos