Konkaviteye Dayalı Önişleme Temelli Patlatma Kaya Parçacıkları Tespit Yöntemi Üzerine Araştırma

Neden tünel molozu önemlidir

Her mühendis bir dağın içinden tünel patlattığında geride düzensiz bir kırık kaya yığını kalır. Bu parçacıkların boyutu; kamyonların ne kadar hızlı taşıyabileceğini, ekiplerin ne sıklıkta aşırı büyük blokları yeniden patlatmak zorunda kaldığını ve kırık kayanın inşaat malzemesi olarak yeniden kullanılıp kullanılamayacağını doğrudan etkiler. Ancak aktif bir tüneldeki zorlu, tozlu ortamda binlerce düzensiz taşın boyutunu güvenilir şekilde ölçmek oldukça güçtür. Bu çalışma, bireysel kayaları üç boyutta “görmeyi” ve ayırmayı sağlayan yeni bir yöntem sunarak ekiplerin her patlamanın ne kadar başarılı olduğunu daha iyi değerlendirmesine ve bir sonraki patlatmayı nasıl iyileştireceklerini belirlemelerine yardımcı olur.

Düzensiz yığınlardan ölçülebilir parçalara

Dağ tüneli çalışmalarında delme ve patlatma hâlâ ana kazı yöntemidir. Her patlamadan sonra, bir sonraki aşamaya geçilebilmesi için temizlenmesi gereken bir moloz yığınıyla karşılaşılır. Çok fazla büyük blok kalırsa, bunlar ikincil kırma veya hatta yeniden patlatma gerektirir; bu da ilerlemeyi yavaşlatır ve maliyetleri artırır. Aynı zamanda modern sürdürülebilirlik hedefleri, kırık kayanın daha fazla kısmının atılmak yerine yeniden kullanılabilmesi için daha ince parçalanmayı teşvik eder. Bu yüzden parça boyutu dağılımı, patlamanın iyi tasarlanıp tasarlanmadığının doğrudan bir göstergesidir; ama elle ölçüm veya elek gibi geleneksel ölçüm yöntemleri yoğun tünel şantiyeleri için çok yavaş ve pratik değildir.

Fotoğraflar neden yeterli değildir

Son on yılda, görüntü tabanlı yazılımlar fotoğraflardan parça boyutunu tahmin etmekte popüler hale geldi. Split Desktop ve WipFrag gibi araçlar, 2B görüntülerde renk ve parlaklık farklarına bakarak görünür blok sınırlarını otomatik olarak izler. Ancak tünel koşulları nadiren kameraya elverişlidir. Toz, düzensiz aydınlatma ve üst üste binen parçalar bu algoritmaları sıklıkla şaşırtır; tek bir bloğu birçok parçaya böler veya birden çok bloğu tek bir parça gibi birleştirirler. Piksel piksel sınıflandırma yapan derin öğrenme yaklaşımları daha doğru olabilir, fakat büyük, özenle etiketlenmiş görüntü veri kümelerine ihtiyaç duyarlar ve yine de her taşın yalnızca bir yüzünü görürler. Kırık yığının gerçek üç boyutlu şekli ve hacmini geri çıkaramazlar.

Lazer taramalar ve gizli boşlukların kullanımı

Bu sınırlamaların üstesinden gelmek için yazarlar 3B lazer taramaya yöneldi. Tripod üzerine monte edilen bir tarayıcı, moloz yığınını lazer ışınlarıyla tarar ve parçacıkların tüm yüzeyini yakalayan yoğun bir “nokta bulutu” kaydeder. Yeni yöntemin ana fikri, kayaların birbirine bastığı yerlerde doğal olarak oluşan konkav boşluklardan yararlanmaktır. Nokta bulutunda bu oyuklar, yüzey yönlerinin içe doğru kırıldığı bölgeler olarak görünür. Araştırmacılar, her noktanın komşuluk bölgesini arayan, yüzey yönünün komşularıyla nasıl karşılaştırıldığını kontrol eden ve içe doğru bükülen bölgelerde yer alan noktaları işaretleyen konkaviteye dayalı bir önişleme segmentasyon algoritması tasarladılar. Bu konkav noktalar ve en yakın komşuları daha sonra kaldırılır; bu, yığını bloklar arasındaki doğal boşluklar boyunca sanal olarak “keser”.

Sınırları keskinleştirme ve kaya sayımı

Bu boşluk bölgeleri temizlendikten sonra, kalan noktalar büyük ölçüde bireysel kaya parçalarına karşılık gelen ayrı kümeler oluşturur. Ardından, uzaklığa dayalı bir kümeleme yöntemi yakın noktaları aday bloklar halinde gruplar. Önişleme bazı sınır noktalarını kaldırdığından, yazarlar ikinci bir iyileştirme adımı ekler: her kümenin kenarında hangi noktaların yer aldığını tahmin ederler ve ardından çıkarılan konkav bölgelerden uyumlu noktaları, basit bir düzellik kontrolü kullanarak seçici şekilde geri getirirler. Bu, bitişik blokları ayrı tutarken eksik kenarları doldurur. Son olarak, her parçacık etrafına sıkıca sarılan yönlendirilmiş bir sınırlayıcı kutu (oriented bounding box) kullanılarak üç ana boyutu tahmin edilir ve tüm moloz yığını için bir parçacık boyutu dağılımı derlenir.

Gerçek tünel testleri ve karşılaştırmalar

Takım, yöntemlerini Çin’deki Xianyue Dağı Tüneli’nden alınan patlatma molozunda, ticari bir 3B lazer tarayıcı kullanarak ve normal inşaat kısıtları altında test etti. Bu gerçek dünya verisinde, yöntem yaklaşık 30 santimetre kalınlıktan daha büyük büyük parçaların %80’den fazlasını doğru şekilde segmentledi ve yanlış tespit oranı %20’nin altındaydı. Alt ve üst parçalanma (under- ve over-splitting) esas olarak tarayıcı sınırlarıyla ilişkilendirildi; örneğin belirli açılarda kaba örnekleme ya da küçük taşların daha büyük bloklar arasındaki konkav boşlukları gizlemesi gibi. Araştırmacılar ayrıca yöntemlerini temel uzaklık kümelemesi, yüzey-yönü kontrolleri ile kümeleme, bölge büyütme ve popüler bir süpervoxel tabanlı teknik dahil olmak üzere dört yaygın 3B nokta bulutu algoritmasıyla karşılaştırdılar. Bu dört alternatifin tamamı, özellikle parça boyutları geniş değişkenlik gösterdiğinde, ya büyük kayaları birçok parçaya bölmekte ya da ayrı olanları birleştirmekte zorlandı.

Tünel çalışmaları için bunun anlamı

Basitçe söylemek gerekirse, çalışma, temasta olan taşlar arasındaki doğal oyukları önce oyup ayırarak mühendislerin 3B bir taramada bir kayayı diğerinden daha güvenilir şekilde ayırt edebileceğini gösteriyor. Bu konkaviteye dayalı önişleme, ardından iyileştirilmiş kümeleme daha güvenilir sayım ve boyut tahminleri sağlar. Hesaplamayı hızlandırmak ve çok karmaşık yığınlarla başa çıkmak için daha fazla çalışmaya ihtiyaç olsa da, yöntem şimdiden bir patlamanın ne kadar başarılı olduğunu kontrol etmek ve gelecekteki patlamaları ince ayarlamak için pratik bir yol sunuyor. Kaya parçacık boyutları hakkında daha iyi bilgi, taşıma süresini kısaltabilir, yeniden işi azaltabilir ve kazılan malzemenin daha akıllıca yeniden kullanılmasını destekleyebilir; bunların tümü daha güvenli, daha hızlı ve daha sürdürülebilir yeraltı yapıları için önemlidir.

Atıf: 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

Anahtar kelimeler: tünel patlatma, kaya parçacıkları, 3B lazer tarama, noktaları bulut segmentasyonu, parça boyutu dağılımı