基于數字圖像處理功能的RQD分級方法的應用

沙仙武, 吳健輝, 陳才賢, 李佳建

(1.西藏巨龍銅業有限公司, 西藏 拉薩 850200;2.北京科技大學, 北京 100083)

1 前 言

準確掌握工程巖體完整性對于工程設計具有重要意義[1]。 RQD 分級是國內外礦山評價巖體完整性的主要方法。 目前大多數礦山通過人工測量的方式完成RQD 分級工作,然而,在礦山基建以及生產過程中,大量的鉆孔用于獲取礦體形態、產狀等地質信息,巖芯數量較多,僅依靠人工現場測量完成RQD 分級工作需耗費大量的人力及時間,因此,研究一種簡單高效便捷的RQD 分級方法對于提高礦山工人工作效率具有重要意義。

針對巖體質量分級研究方面,國內外學者和采礦工程師開展了大量的研究工作[2-8]。 研究內容主要包括RQD 值預測、RQD 值測量方法以及RQD 值模擬計算等[9-12]。 例如,李清波等[13]以涇河東莊水利工程壩體鉆孔為研究對象,利用微型相機獲取鉆孔圖像,基于閾值分割技術實現了RQD 準確計算。 劉仰鵬[14]等針對RQD 值卻在的缺陷,通過插值法并結合變異函數建立了數學模型,實現了工程巖體RQD 值的有效預測。 郭少文等[15]基于三維激光掃描技術提出了一種通過布置虛擬鉆孔獲取巖體RQD 分級的便捷方法。 徐偉等[16]以百花大橋某區域巖體為研究對象,通過結構面三維網絡模擬的方法實現了RQD 準確計算。 李再揚[17]等以貴州某露天磷礦邊坡為研究對象,以三維結構面網絡模擬為研究手段,構建了現場結構面信息三維模型,實現了RQD 值的多方位模擬計算。 王國欣[18]等針對RQD在實際應用中存在的問題,結合Monte-Carlo 三維網絡模擬技術進行了RQD 值的準確計算,實現了不連續面在三維空間中的狀態模擬。 劉先林[19]等通過三維建模軟件進行巖體三維建模,得出了巖體RQD值的空間分布規律,揭示了RQD 值與巖體完整性之間的內在關系,為工程設計提供了理論依據。

姜明偉[20]等以某金礦為研究對象,以Sirovision巖石三維遙感測量系統為研究手段,通過巖體結構面數字化識別,對巖體結構面的產狀等參數進行了深入分析,實現了巖體結構信息高效便捷測量。 葛云峰[21]等以鉆孔圖像為研究對象,以Canny 檢測為測量手段,提出了巖體結構面智能測量方法,測量準確性較高。 文暢平[22]在巖體質量分類評價中通過引入屬性數學理論,構建數學模型,考慮了影響巖石質量分級的5 個主要因素,實現了準確的巖體質量分級。 劉震[23]等以某礦山工勘孔為研究對象,通過RQD 和RBI 分級方法對巖體質量進行分級,通過對比分級結果,討論了RQD 分級方法的局限性,結果表明,當長度大于10 cm 巖體碎塊較多時,RQD 分級結果誤差較大。 陳偉[24]通過建立可拓學理論巖體質量分級評價的物元模型,并結合灰色關聯度準確反映了巖體質量等級,同時能夠得出各等級之間距離值。 陳承浩[25]在Matlab 二次開發的基礎上,通過裂隙辨識程序精確提取巖體圖像中的裂隙信息,實現了巖體質量動態分級,分級結果直觀準確。 詹梅芬[26]等以大量的巖石樣本為基礎,進行了巖體質量分級預測研究,通過K 折交叉驗證發現,隨機森林模型預測結果準確性較高。 曹建立[27]等通過建立信度測度賦權理論,同時消除各指標權重造成的誤差影響,建立了集對云模型,同時通過大量巖本數據驗證了該模型的準確性與可靠性,研究成果應用在在錫林浩特螢石礦采場巖體質量評價中,預測結果與實際情況相符。 鄭相悅[28]等在考慮巖體質量指標影響因素的前提下,構建了變權重-云理論綜合評價模型,實現了焦家金礦采場巖體質量準確評價。 易晨星[29]等基于巖石單軸抗壓強度等6 個參數進行熵權-云評價模型構建,在某礦區巖體質量分級中得到較好應用,其分析結果與RMR 評價結果一致性較高。 雷光偉[30]等針對傳統巖體質量評價局限性,提出了一種結構面綜合指標SCE 評價方法,評價結果準確性較高。

本文以西藏巨龍銅礦有限公司驅龍礦區為工程背景,針對現有RQD 分級方法所面臨的工人勞動強度大,工作效率低等問題,提出了一種基于Image J圖像分析功能的RQD 分級方法,并與現有RQD 分級方法分級結果進行了對比分析,驗證了該方法的可靠性。 本研究為礦山RQD 分級提供了一種新型測量方法,能夠有效提高工人勞動效率。

2 工程背景

西藏巨龍銅礦驅龍礦區位于墨竹工卡縣城西南直距約20 km 處,在礦山基建之前往往需進行大量的勘探工作探明礦體賦存條件,此外,在礦山生產時期也會進行鉆探工作,以便發現新的礦產資源保證礦山未來發展。 在鉆探工作之后,需對獲取的巖芯進行鉆孔巖芯編錄工作,即RQD 分級。 目前礦山所采用的RQD 分級方法為人工測量,手動或者計算機建立表格進行測試數據統計。 工作區海拔一般在4 420 m以上,自然環境惡劣,氣候條件差,傳統RQD分級方法需要工人長時間進行高原室外作業,勞動強度大,且工作效率低。 現有RQD 分級方法測量工作如圖1 所示。

圖1 現有RQD 分級方法測量工作

3 基于Image J 的RQD 分級方法

3.1 Image J 軟件介紹

Image J 是一個基于java 的公共的圖像處理軟件,能夠在Microsoft Windows 等多種平臺穩定運行。軟件能夠進行jpg、tif 等多種格式圖像的基本操作,例如顯示、編輯、分析等。 本研究所提出的RQD 分級方法主要利用軟件的長度測量功能實現。 Image J 軟件操作界面如圖2 所示。

圖2 Image J 軟件操作界面

3.2 拍攝取樣

將鉆孔巖芯放入巖芯箱進行拍照,獲取巖芯圖片。 在此步驟中,可以采用相機、攝像機、智能終端(如:手機、平板電腦等)中的任意一種對巖芯箱中的巖芯進行拍攝,以獲取巖芯圖片。 為保證測量精度,在拍照時,應保證巖芯箱平放,使鏡頭垂直向下拍攝。 由于巖芯箱數量巨大,為避免圖像順序混亂,應對各個巖芯箱編號。 所有圖像最終導入計算機內進行下一步處理。 圖3 所示為巨龍銅礦某鉆孔巖芯圖像。

圖3 現場拍攝取樣圖

3.3 圖像預處理

通過Image J 菜單欄中File→Open 功能,將拍攝的巖芯圖片導入圖像處理軟件。 為減小圖片內存,便于運算,由Image→Type→8-bit 功能,將巖芯圖像轉換為灰度圖像。 處理結果如圖4 所示。

圖4 巖芯圖像灰度處理結果

3.4 設定測量標尺

在進行巖芯長度測量之前,需選取圖中已知長度對定義測量標尺。 在巖芯圖像中,巖芯直徑為已知參數。 通過Straight line 功能由圖中巖芯一側邊緣沿垂直巖芯軸向畫直線值巖芯另一側邊緣,直線長度即為巖芯直徑。 利用Image J 軟件的Analyze→Set Scale 功能建立標尺,在Know distance中輸入巖芯直徑,在Unit of length 中輸入巖芯直徑單位,完成測量標尺設定,圖5 所示為測量標尺設定過程。

圖5 測量標尺設定

3.5 巖芯長度測量

設定標尺后,利用Image J 軟件中的測量功能對8 進制巖芯圖像中的各段巖芯進行長度標記。 如圖6 所示,本步驟中通過Image J 軟件的Analyze →Tools→ROI Manager 功能劃線標記形態完整巖芯長度,每量取一段巖芯,點擊Add,然后量取下一段巖芯,重復該步驟,直至完成巖芯箱中所有巖芯長度標記,各段巖芯依標記順序自動生成編號。 需要注意的是,對各段巖芯進行長度標記滿足以下要求:對于斷面平整的巖芯,劃線兩端與被標記巖芯兩端重合;對于斷面為斜面的巖芯,起始端和結束端均從斜面中點劃線。 巖芯長度測量結果如圖7 所示,得出測量結果后,在Results 窗口內通過File→Save 功能將所得結果保存為“.csv”文件。

圖6 巖芯長度標記

圖7 Image J 測量結果

3.6 RQD 值計算

根據測量得到的各段巖芯長度計算出巖石RQD 值。 式(1)為RQD 值計算公式

其中,鉆孔進尺總長度為已知量。

4 分級結果準確性驗證

為驗證采用數字圖像處理統計的RQD 分級結果的準確性和可靠度,將采用Image J 處理結果與現場RQD 測試結果進行了對比。 隨機選取ZK02 鉆孔中10 個區域計算結果,對比數據發現,上述二者獲得的RQD 值較為接近,誤差僅在0.5% ～1.0%,采用數字圖像處理統計的RQD 分級結果的準確性和可靠度較高。 圖8 所示顯示了對比結果。

圖8 兩種RQD 值測量方法對比結果

巨龍銅業驅龍段處于青唐古拉與岡底斯板塊區,為探究不同區域地層巖體穩定性情況,根據上述RQD 分級方法,對現場獲取的巖芯進行編錄和定性描述,結果如圖9 ～11 所示。

圖9 ZK02 號鉆孔巖石RQD 分級結果

由圖9 分析可得:ZK02 號鉆孔中自0.00 ～24.41 m 所取的巖芯多為泥巖和碎石,RQD 值為0%,巖性為很差。 自24.41 ～44.00 m 所取的巖芯,RQD值為小 于 50%, 巖性為差。 自44.00 ～253.21 m所取的巖芯,RQD 值在50% ～100%,且大部分巖芯RQD 值大于75%,巖性為很好。

由圖10 分析可得:ZK04 號鉆孔所取巖芯長度較短,自0 ～32.73 m 所取的巖芯多為泥巖和碎石,RQD 值小于25%,巖性為很差。 自32.73 ～76.81 m所取的巖芯,RQD 值介于25% ～100%,并且RQD值較為離散,這對工程建設有較大的影響。

圖10 ZK04 號鉆孔巖石RQD 分級結果

由圖11 分析可得: ZK02 號鉆孔中自0 ～18.23 m所取的巖芯多為泥巖和碎石,RQD 值小于25%,巖性為很差。 自18.23 ～122.76 m 所取的巖芯,RQD 值介于25% ～100%,且大部分巖芯RQD值介于50% ～75%,巖性較好。

圖11 ZK05 號鉆孔巖石RQD 分級結果

為更好的指導工程設計,揭示青唐古拉與岡底斯板塊區沖擊堆積層隨深度變化的RQD 分布,對所得鉆孔RQD 結果進行擬合分析。

分析圖12 擬合結果可知,25 m 鉆孔范圍內RQD 值絕大多數為0,這是因為地層淺部以素土、粉砂土、碎石和角礫為主,由于其本生強度較低,取芯過程中并不能形成完整的巖芯。 而在25 m 以深,所取巖芯RQD 值逐漸呈增大趨勢。 這是由于隨著鉆孔深度加深,風化千枚巖和風化凝灰巖出現造成的。此外,可以發現鉆孔深度超過100 m 以后,隨著鉆孔深度增大,RQD 值增幅逐漸變小。 到150 m 以后其RQD 值基本穩定在80%左右。 通過擬合方式可以發現,鉆孔巖芯RQD 值和鉆孔深度在0 ～250 m 滿足指數函數分布規律,初步探明了青唐古拉與岡底斯板塊區沖擊堆積層隨深度變化的RQD 分布規律,可為后續開展該區域開采和其他工程施工提供理論基礎。

圖12 青唐古拉與岡底斯板塊區沖擊堆積層隨深度變化的RQD 分布

5 結論

本論文針對西藏巨龍銅礦巖芯編錄工作中存在的問題,開展了基于Image J 圖像分析功能的RQD分級方法研究。 實現了便捷高效的RQD 分級。 主要結論為:

(1)基于Image J 圖像分析功能提出了一種RQD 分級方法,為今后礦山巖芯編錄工作提供了一種新方法。

(2)研究表明:Iamge J 軟件能夠替代現有人工測量的方法進行巖石RQD 分級,通過對比Image J軟件與現場人工測量結果可以發現,Image J 軟件所計算RQD 值誤差僅在0.5% ～1.0%,可靠性較高。

(3)隨著地層深度變深,巖性RQD 值呈增大趨勢。 大部分巖芯的RQD 值介于在50% ～100%,巖性較好。 而部分巖芯的RQD 值較為離散,造成數據離散的原因可能為鉆孔深度太淺,這對礦山工程建設有較大的影響。

(4)鉆孔深度在0 ～250 m,青唐古拉與岡底斯板塊區沖擊堆積層隨深度變化的RQD 值滿足指數函數分布規律。