UAV fotogrametri teknolojisinin Pulang bakır madenindeki eğimlerdeki süreksizliklerin tespitinde uygulanması

Neden uçan robotlar dağ duvarlarını izler

Madenlerin ve dağ yollarının üzerindeki yüksek kaya duvarları önceden belirti vermeden çökmeye başlayarak tonlarca taşı eğim aşağı yuvarlayabilir. Bu uçurumlardaki her çatlağı el ile kontrol etmek yavaş ve tehlikelidir; mühendisler çoğu zaman kararsız kayanın hemen altında çalışmak zorunda kalır. Bu çalışma, kamera donanımlı dronlar ve akıllı veri işlemeyle Çin’in Pulang bakır madenindeki dik şevdeki gizli kırık desenlerinin güvenli biçimde nasıl “okunabileceğini” gösteriyor; bu da kayanın nerede kopma eğiliminde olduğunu öngörmeye yardımcı oluyor.

Gökyüzünden tehlikeli bir şevi izlemek

Pulang bakır madeni, Yunnan Eyaleti’nin dik ormanlı dağlarında yer alır; derin kazı çalışmalarının yamaçta neredeyse 100 metrelik bir yarık açtığı bir bölgedir. Ana şevin bazı bölümleri çok dik ve ulaşılması zordur; maden işletmesi sırasında kaya düşmeleri zaten meydana gelmektedir. Araştırma ekibi, çöküntü çukurunun etrafında uçarak kayaların örtüşen fotoğraflarını yakalamak için yüksek çözünürlüklü kameraya sahip büyük bir drone kullandı. Bu fotoğraflardan, kayalık yüzeyin biçimini bir arada ortaya koyan milyonlarca küçük noktadan oluşan bir “nokta bulutu” biçiminde üç boyutlu dijital bir model oluşturuldu. Yoğun ağaç örtüsü kayaların çoğunu gizlediğinden, ekip bitki örtüsü noktalarını dikkatle temizledi ve detaylı analiz için açıkta kayaların bulunduğu temsili bir alan seçti.

Ham noktalardan anlamlı kaya düzlemlerine

Ham bir nokta bulutunu çatlaklar hakkında faydalı bilgiye dönüştürmek kolay değildir. Yazarlar bunu verimli şekilde yapmak için birkaç matematiksel aracı birleştirdi. Önce, her nokta için çevresindeki kaya yüzeyinin yönelimini ve eğriliğini belirlemek amacıyla temel bileşenler analizi adı verilen bir yöntem kullandılar. Kırıkların kesiştiği keskin hatlara yakın noktalar genellikle yüksek eğriliğe sahiptir; bu nedenle veri setini basitleştirmek için bu tür birçok nokta filtrelendi. Sonra, aynı düz yama üzerinde yer alan yakındaki noktaları gruplayan ve izole noktaları gürültü olarak işaretleyen yoğunluk tabanlı bir kümeleme tekniği uyguladılar. Bu ilk aşama, bulutu bireysel kırık yüzeylerini kabaca izleyen birçok küçük parçaya böldü.

Kırık ailelerini gruplamak ve boyutlarını ölçmek

Sonraki adım, bu çok sayıda küçük parçayı benzer yönleri paylaşan birkaç ana “kırık ailesine” ayırmaktı. Bunu, her küçük yamaya yalnızca yönelimlerine bakarak ve bunları ortak eğilimleri olan grupları seçen başka bir kümeleme şemasına vererek yaptılar. Bu işlemi tam bulut yerine azaltılmış bir temsilci nokta seti üzerinde uygulayarak hesaplama süresini düşük tutarken ana desenleri yakaladılar. Son olarak, her aile içinde tam bireysel kırıkları yeniden elde etmek için ikinci bir yoğunluk‑tabanlı kümeleme turu çalıştırdılar. Her bir kırık için üç temel niceliği tahmin ettiler: eğimi ve pusula yönü, şev üzerinde görünen iz uzunluğu ve komşularına uzaklığı. Uzman yazılımla yapılan dikkatli elle uyum kontrolleri, otomatik ölçümlerin kırık yönlerinde uzmana ait tahminlerle birkaç derece içinde kaldığını gösterdi; bu da mühendislik uygulamaları için yeterince iyidir.

Kırıkların şevi nasıl zayıflattığını test etmek

Araştırmacılar daha sonra bu haritalanmış kırıkların şev güvenliği için ne anlama geldiğini sordular. Ölçülen yönleri, uzunlukları ve aralıkları kullanarak kaya kütlesi içinde üç boyutlu bir kırık ağı istatistiksel modeli kurdular. Bu ağı, drone nokta bulutuna uydurulmuş bir yüzeye dayanan gerçek şevin bilgisayar simülasyonuna yerleştirdiler ve kayanın kendi ağırlığı altında nasıl davrandığına dair hesaplamalar yaptılar. Kırıklı bir modeli, aksi halde aynı ama bütün bir şev ile karşılaştırdıklarında, kırıklı versiyonun daha büyük, daha düzensiz hareketler ve çatlakların çevresinde daha yoğun gerilme birikimleri gösterdiğini buldular. Başka bir deyişle, kırıklar kayayı bloklara böler, kuvvetleri tercihli yollara kanalize eder ve başarısızlığın başlaması daha olası olan zayıf bölgeler yaratır.

Daha güvenli şevler için daha hızlı dijital gözler

Uzman olmayanlar için temel mesaj şudur: dronlar artı akıllı veri işleme artık tehlikeli uçurumları hızla, kimse tehlike altında durmadan tarayabiliyor ve yine de gelecekteki çöküşleri kontrol eden ince çatlak desenlerini ortaya çıkarabiliyor. Pulang örneği, yeni yöntemin çok büyük veri setlerini eski yaklaşımlara göre çok daha hızlı işleyebildiğini ve stabilite simülasyonlarına beslemek için yeterince doğru kırık ölçümleri sağladığını gösteriyor. Kalın bitki örtüsü ve bazı basitleştirici varsayımlar hâlâ görülebilenleri sınırlasa da bu iş akışı, uçan robotlar ve matematik kullanarak madenler, karayolları ve barajlar üzerindeki kaya şevleri için rutin, tekrarlanabilir sağlık kontrollerine doğru bir yol gösteriyor—yerçekimi işini yapmadan önce tehlikeyi tespit etmek için.

Atıf: Wu, L., Wang, Y., Yang, J. et al. Application of UAV photogrammetry technology in identifying discontinuities in slopes in the Pulang copper mine. Sci Rep 16, 14101 (2026). https://doi.org/10.1038/s41598-026-43520-w

Anahtar kelimeler: drone haritalama, kayalık şev stabilitesi, 3B nokta bulutu, maden güvenliği, çatlak tespiti