Der Einsatz unbemannter Flugsysteme zur Charakterisierung von gesprengtem Haufwerk

• Main Authors: Tscharf, Alexander, Mostegel, Christian, Gaich, Andreas, Mayer, Gerhard, Fraundorfer, Friedrich, Bischof, Horst
• Other Authors: TU Bergakademie Freiberg, Geowissenschaften, Geotechnik und Bergbau
• Format: Others
• Language: deu
• Published: Technische Universitaet Bergakademie Freiberg Universitaetsbibliothek "Georgius Agricola" 2017
• Subjects: Haufwerk; UAV; muck pile; ddc:624; rvk:ZI 9300
• Online Access: http://nbn-resolving.de/urn:nbn:de:bsz:105-qucosa-228495; http://nbn-resolving.de/urn:nbn:de:bsz:105-qucosa-228495; http://www.qucosa.de/fileadmin/data/qucosa/documents/22849/11_Tscharf_1b.pdf

Die erreichte Zerkleinerung und die Form des Haufwerks sind die beiden wichtigsten Ergebnisse einer Tagebausprengung. Schnelle Informationen über die Eigenschaften des gesprengten Haufwerks ermöglichen eine zielgerichtete und effiziente Produktionsplanung und Kenntnisse über die erreichte Zerkleinerung ermöglichen außerdem Anpassungen in der weiteren Zerkleinerungskette. Durch den Einsatz von UAVs (unmanned aerial vehicles) gemeinsam mit modernen Algorithmen aus dem Bereich Computer Vision und des maschinellen Lernens soll eine schnelle Erfassung und Interpretation der Daten bei gleichzeitiger Integration in die herkömmlichen betrieblichen Abläufe ermöglicht werden, und außerdem können Schwächen bodengebundener Systeme hinsichtlich Vollständigkeit und Repräsentativität umgangen werden. Im vorliegenden Beitrag wird einerseits auf den relevanten Stand des Wissens und der Technik eingegangen und andererseits wird die verfolgte Stoßrichtung bei der Systementwicklung dargelegt sowie erste Arbeiten präsentiert. === The fragmentation and the shape of the muck pile are the two major outcomes of open pit mine and quarry blasts. Fast information about the muck pile properties will help to improve the production scheduling and furthermore this information could be used to optimize the blasting patterns of future production blasts. The combined use of unmanned aerial vehicles (UAVs) and modern machine learning and computer vision systems offers a new way of acquiring spatial data to determine on-site fragment size distribution, while at the same time enabling integration into common work flows and mitigating the weaknesses of ground-based systems with special regard to completeness and representativeness. In the present paper, we will discuss the relevant related work, present the planned path for system development and give examples of first work.