Développement d'un système d'analyse d'images pour la caractérisation des massifs rocheux
Bibliographic record
Abstract
Depuis 1994, 352 accidents provoqués par l’impact d’une roche provenant directement du massif rocheux ont été constatés dans les mines souterraines du Québec (A.P.S.M., 2000). Ces accidents sont responsables d’invalidités temporaires ou permanentes et peuvent causer dans certains cas le décès de la victime. Le problème majeur demeure la récolte d’informations fiables afin d’améliorer la conception des excavations souterraines. Une revue des différentes méthodes d’échantillonnage des faces rocheuses, effectuée par Hadjigeorgiou et al. (1995), a démontré que les relevés par traverses usuels permettent d’amasser l’essentiel de l’information structurale nécessaire: la position des discontinuités le long de la traverse, la longueur des traces des discontinuités ainsi que leur orientation. Des contraintes de temps, de production et de sécurité rendent difficile l’utilisation de cette méthode de manière régulière. La majorité des mines ne disposent pas des données de terrain nécessaires pour réaliser une conception optimale des excavations. Par conséquent, la conception des ouvrages miniers doit être réalisée à partir d’une connaissance limitée du massif rocheux à excaver. Le besoin de disposer d’une quantité plus importante de données de qualité a d’ailleurs été souligné à plusieurs reprises ces dernières années, à l’occasion des colloques en contrôle de terrain de l’Association minière du Québec. Les techniques d’analyse d’images sont actuellement utilisées dans divers domaines industriels (génie chimique, électronique, métallurgie, …). Par rapport à la méthode traditionnelle de relevé de discontinuités par traverses, l’analyse d’images offre de nombreux avantages. Tout d’abord, le temps nécessaire à l’acquisition des données est fortement réduit. Du point de vue de la géomécanique, le plus grand nombre de données récoltées augmente également la qualité de l’information disponible pour caractériser la masse rocheuse dans les différentes zones de l’exploitation. En ce qui concerne la gestion de l’information, cette approche permet la création d’une base de données permanente et accessible aux différents intervenants. De plus, un tel système est simple à implanter comme opération de routine car elle requiert peu de formation et de qualifications de la part du personnel. Enfin, l’analyse d’images de parois rocheuses réduit l’exposition des travailleurs à des situations potentiellement dangereuses et contribue donc directement à l’amélioration de la sécurité dans les mines. Un système rapide et sécuritaire de récolte d’informations permettant de caractériser adéquatement la fracturation du massif rocheux, basé sur l’analyse d’image, a été développé dans le cadre de ce projet. Cet outil permet la collecte d’un nombre suffisant de données sur le réseau de discontinuités tout en évitant à l’opérateur d’être directement exposé aux chutes de blocs instables. La population cible est le personnel des mines souterraines. Le système développé consiste en un module de reconnaissance automatisée des discontinuités à partir de photographies de parois rocheuses, le module Rockscan. Une méthodologie pour la prise d’images en milieu souterrain a été élaborée afin de maximiser les performances de Rockscan. Un module de caractérisation de la fracturation, le module Mapscan, a également été développé afin de caractériser le massif rocheux à partir des résultats obtenus par Rockscan. Le système a été testé dans des environnements souterrains et en surface. Les utilisateurs primaires sont les personnes impliquées dans la caractérisation des massifs rocheux (géologues, ingénieurs et techniciens). Les bénéficiaires sont toutes les personnes qui travaillent sous terre car l’objectif ultime du projet est d’assurer un environnement de travail sécuritaire.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.007 |
| Meta-epidemiology (narrow) | 0.002 | 0.001 |
| Meta-epidemiology (broad) | 0.002 | 0.002 |
| Bibliometrics | 0.004 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.005 | 0.003 |
| Open science | 0.003 | 0.002 |
| Research integrity | 0.003 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.006 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".