JP6936845B2 - Ground prediction system - Google Patents
Ground prediction system Download PDFInfo
- Publication number
- JP6936845B2 JP6936845B2 JP2019221528A JP2019221528A JP6936845B2 JP 6936845 B2 JP6936845 B2 JP 6936845B2 JP 2019221528 A JP2019221528 A JP 2019221528A JP 2019221528 A JP2019221528 A JP 2019221528A JP 6936845 B2 JP6936845 B2 JP 6936845B2
- Authority
- JP
- Japan
- Prior art keywords
- face
- excavation progress
- construction
- ground
- tunnel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Excavating Of Shafts Or Tunnels (AREA)
- Image Processing (AREA)
Description
本発明は、地山予測システムに関するものである。 The present invention relates to a ground prediction system.
トンネルを施工する技術者にとっては、施工方法の妥当性や対策工の必要性を検討する為、切羽前方の掘削予定の地山状況を予測したいという要求がある。 There is a demand for engineers who construct tunnels to predict the ground conditions to be excavated in front of the face in order to examine the validity of the construction method and the necessity of countermeasures.
例えば山岳トンネルの掘削時、切羽観察により地山状況を評価し、その結果に応じて支保パターンや補助工法の要否を検討しなければならないからである。 For example, when excavating a mountain tunnel, it is necessary to evaluate the ground condition by observing the face and examine the necessity of the support pattern and auxiliary construction method according to the result.
従来、切羽を評価する手法としては、一般に切羽評価点法（岩片の強度、風化・変質の程度、割れ目の間隔及び性状、さらに地下水による劣化の情報などから点数評価する方法）が用いられているが、その評価には主観的な部分も多いことから、運用する現場技術者によって結果にばらつきが発生する。また、この切羽評価点法は、評価する度に地質専門の技術者が現場に立ち会わなければならず厄介である。 Conventionally, as a method for evaluating a face, a face evaluation point method (a method for evaluating a score based on the strength of rock fragments, the degree of weathering / alteration, the interval and properties of cracks, and information on deterioration due to groundwater) is generally used. However, since there are many subjective parts in the evaluation, the results will vary depending on the field engineer who operates it. In addition, this face evaluation point method is troublesome because a geologist who specializes in geology must be present at the site each time an evaluation is made.
そこで、例えば特許文献１に開示されるように、油圧式削岩機による穿孔時の油圧データを用いて現在の切羽前方の地山の地質を予測する方法（以下、「従来法」という。）が提案されているが、この従来法により切羽前方の地質を予測する度に掘削作業が中断し、しかも、大きな経済的な負担も発生してしまうという問題がある。
Therefore, for example, as disclosed in
本発明は、上述のような現状に鑑みなされたもので、従来にない非常に実用的な地山予測システムを提供する。 The present invention has been made in view of the above-mentioned current situation, and provides a very practical ground prediction system that has never existed before.
添付図面を参照して本発明の要旨を説明する。 The gist of the present invention will be described with reference to the accompanying drawings.
トンネル施工において撮影入手した複数の学習用切羽画像を機械学習して生成される切羽判定モデルと、施工途次のトンネルで撮影入手した切羽画像とから当該施工途次の切羽を評価する第一システム、
トンネル施工において掘削進行単位ごとに撮影入手した複数の学習用切羽画像から前記第一システムを用いて評価した各掘削進行単位ごとの学習用切羽評価結果を機械学習して生成される掘削進行判定モデルと、施工途次のトンネルで撮影入手した掘削進行単位ごとの切羽画像を前記第一システムを用いて評価した各掘削進行単位ごとの切羽評価結果とから当該施工途次の掘削進行状況を評価する第二システム、
前記２つのシステムにより施工途次のトンネルの現在の切羽前方の掘削予定の地山状況を予測することを特徴とする地山予測システムに係るものである。
The first system that evaluates the face of the construction process from the face judgment model generated by machine learning multiple learning face images taken in the tunnel construction and the face image taken and obtained in the tunnel during the construction process. ,
An excavation progress judgment model generated by machine learning the learning face evaluation results for each excavation progress unit evaluated using the first system from a plurality of learning face images obtained taken for each excavation progress unit in tunnel construction. And, the excavation progress status of the construction process is evaluated from the face evaluation results of each excavation progress unit obtained by evaluating the face image of each excavation progress unit obtained by taking a picture in the tunnel during the construction process using the first system. Second system,
It relates to a ground prediction system characterized by predicting the ground condition to be excavated in front of the current face of a tunnel under construction by the above two systems.
また、請求項１記載の地山予測システムにおいて、前記切羽判定モデルは、施工途次のトンネルで撮影入手した切羽画像を前記学習用切羽画像として随時追加機械学習可能なように構成されていることを特徴とする地山予測システムに係るものである。
Further, in the ground prediction system according to
また、請求項１，２いずれか１項に記載の地山予測システムにおいて、前記掘削進行判定モデルは、施工途次のトンネルで得られる前記掘削進行単位ごとの切羽評価結果を前記掘削進行単位ごとの学習用切羽評価結果として随時追加機械学習可能なように構成されていることを特徴とする地山予測システムに係るものである。
Further, in the ground prediction system according to any one of
また、請求項１〜３いずれか１項に記載の地山予測システムにおいて、前記現在の切羽前方の掘削予定の地山状況を表示する地山表示手段を備えたことを特徴とする地山予測システムに係るものである。
Further, the ground prediction system according to any one of
本発明は上述のように構成したから、切羽前方の掘削予定の地山状況の予測が簡易且つ確実に行え、よって、施工を効率良く且つ安全に行うことができる従来にない非常に実用的な地山予測システムとなる。 Since the present invention is configured as described above, it is possible to easily and surely predict the ground condition to be excavated in front of the face, and therefore, the construction can be carried out efficiently and safely. It becomes a ground prediction system.
好適と考える本発明の実施形態を、図面に基づいて本発明の作用を示して簡単に説明する。 Embodiments of the present invention which are considered to be suitable will be briefly described by showing the operation of the present invention based on the drawings.
本発明に係る地山予測システムを現場に持ち込み、第一システムにより、施工途次のトンネルにおける切羽を評価する。即ち、例えば過去のトンネル施工において撮影入手した複数の学習用切羽画像を機械学習して生成される切羽判定モデルと、施工途次のトンネルで撮影入手した切羽画像とから当該切羽を評価する。 The ground prediction system according to the present invention is brought to the site, and the face in the tunnel during construction is evaluated by the first system. That is, for example, the face is evaluated from a face determination model generated by machine learning a plurality of learning face images captured and obtained in the past tunnel construction, and a face image captured and obtained in a tunnel during construction.
続いて、第二システムにより、現在の掘削進行状況を評価する。即ち、例えば過去のトンネル施工において掘削進行単位ごとに撮影入手した複数の学習用切羽画像から第一システムを用いて評価した各掘削進行単位ごとの学習用切羽評価結果を機械学習して生成される掘削進行判定モデルと、施工途次のトンネルで撮影入手した掘削進行単位ごとの切羽画像を前記第一システムを用いて評価した各掘削進行単位ごとの切羽評価結果とから施工途次の掘削進行状況を評価する。 Subsequently, the current excavation progress is evaluated by the second system. That is, for example, it is generated by machine learning the learning face evaluation result for each excavation progress unit evaluated by using the first system from a plurality of learning face images obtained by taking a picture for each excavation progress unit in the past tunnel construction. Based on the excavation progress judgment model and the face evaluation results for each excavation progress unit obtained by evaluating the face images for each excavation progress unit taken in the tunnel during construction using the first system, the excavation progress status during construction To evaluate.
これらの２つのシステムを用いて施工途次のトンネルの現在の切羽前方の掘削予定の地山状況を予測するから、適正な予測が可能となり、効率良く安全な施工ができることになる。 Since these two systems are used to predict the current ground condition of the tunnel to be excavated in front of the face of the tunnel during construction, it is possible to make an appropriate prediction and to carry out efficient and safe construction.
本発明の具体的な実施例について図面に基づいて説明する。 Specific examples of the present invention will be described with reference to the drawings.
本実施例は、トンネル施工において撮影入手した複数の学習用切羽画像を機械学習して生成される切羽判定モデルと、施工途次のトンネルで撮影入手した切羽画像とから当該施工途次の切羽を評価する第一システムと、トンネル施工において掘削進行単位ごとに撮影入手した複数の学習用切羽画像から前記第一システムを用いて評価した各掘削進行単位ごとの学習用切羽評価結果を機械学習して生成される掘削進行判定モデルと、施工途次のトンネルで撮影入手した掘削進行単位ごとの切羽画像を第一システムを用いて評価した各掘削進行単位ごとの切羽評価結果とから当該施工途次の掘削進行状況を評価する第二システムとにより施工途次のトンネルの現在の切羽前方の掘削予定の地山状況を予測する地山予測システムである。 In this embodiment, the face of the construction process is obtained from the face judgment model generated by machine learning a plurality of learning face images captured and obtained in the tunnel construction and the face image captured and obtained in the tunnel during the construction process. Machine learning of the learning face evaluation result for each excavation progress unit evaluated using the first system from the first system to be evaluated and a plurality of learning face images obtained taken for each excavation progress unit in tunnel construction. From the generated excavation progress judgment model and the face evaluation result for each excavation progress unit obtained by evaluating the face image for each excavation progress unit taken in the tunnel during the construction process using the first system, the construction process It is a ground prediction system that predicts the ground condition of the tunnel to be excavated in front of the current face of the tunnel under construction by the second system that evaluates the excavation progress.
尚、学習用切羽画像及び学習用切羽評価結果は、過去に実施したトンネル施工の際に取得したデータ及びそれに基づく結果データである。また、施工途次のトンネルとは、現在施工しているトンネルであって、本実施例に係る地山予測システムの実施対象となるトンネルである。 The learning face image and the learning face evaluation result are data acquired at the time of tunnel construction carried out in the past and result data based on the data. Further, the tunnel in the process of construction is a tunnel currently under construction and is a tunnel to be implemented by the ground prediction system according to this embodiment.
具体的には、本実施例は、人間の知的能力を実現するソフトウエア（人工知能：Ａｒｔｉｆｉｃｉａｌ Ｉｎｔｅｌｌｉｇｅｎｃｅ）を備えたコンピュータシステムであり、具体的には、多数のデータにより機械学習（深層学習：Ｄｅｅｐ Ｌｅａｒｎｉｎｇ）を行う機能を搭載し、この機械学習により生成される第一システム（切羽判定モデル）及び第二システム（掘削進行判定モデル）を備えている。 Specifically, this embodiment is a computer system equipped with software (artificial intelligence: Artificial Intelligence) that realizes human intellectual ability, and specifically, machine learning (deep learning: deep learning) using a large amount of data. It is equipped with a function to perform Deep Learning), and is equipped with a first system (face judgment model) and a second system (excavation progress judgment model) generated by this machine learning.
尚、本実施例では、機械学習として深層学習を採用したが、それに限られるものではない。 In this embodiment, deep learning is adopted as machine learning, but the present invention is not limited to this.
切羽判定モデルは、図１に図示したようにトンネル施工において撮影入手した複数の学習用切羽画像を機械学習させることで生成される。この切羽判定モデルを生成するための複数の学習用切羽画像は、過去若しくは現在のトンネル施工において撮影入手した切羽画像及び過去若しくは現在の少なくとも１つのトンネル施工において掘削進行単位ごとに出現する切羽を連続して撮影した切羽画像であり、この複数の学習用切羽画像を順に機械学習して得られる。尚、これらの切羽画像を学習用切羽画像として随時追加機械学習させるようにすると、判定精度もそれだけ向上する。 As shown in FIG. 1, the face determination model is generated by machine learning a plurality of learning face images taken and obtained in tunnel construction. A plurality of learning face images for generating this face determination model are a series of face images obtained by taking a picture in the past or present tunnel construction and a face appearing in each excavation progress unit in at least one tunnel construction in the past or present. It is a face image taken by machine learning, and is obtained by machine learning the plurality of learning face images in order. If these face images are subjected to additional machine learning as learning face images at any time, the determination accuracy is improved accordingly.
従って、この切羽判定モデルを用いて、施工途次のトンネルで掘削単位ごとに撮影入手した切羽画像から当該切羽を評価することができる。 Therefore, using this face determination model, the face can be evaluated from the face images taken and obtained for each excavation unit in the tunnel during construction.
掘削進行判定モデルは、図１に図示したようにトンネル施工において掘削進行単位ごとに撮影入手した複数の学習用切羽画像から第一システムを用いて評価した各掘削進行単位ごとの学習用切羽評価結果を機械学習して生成される。この掘削進行判定モデルを生成するための複数の掘削進行単位ごとの学習用切羽評価結果は、過去若しくは現在の少なくとも１つのトンネル施工において掘削進行単位ごとに出現する切羽を連続して撮影した切羽画像から第一システムを用いて評価した掘削進行単位ごとの切羽評価結果を順に機械学習して得られる。尚、この掘削進行単位ごとの切羽評価結果を掘削進行単位ごとの学習用切羽評価結果として随時追加機械学習させるようにすると、判定精度がそれだけ向上する。 As shown in FIG. 1, the excavation progress determination model is a learning face evaluation result for each excavation progress unit evaluated by using the first system from a plurality of learning face images obtained by taking a picture for each excavation progress unit in tunnel construction. Is generated by machine learning. The learning face evaluation result for each of a plurality of excavation progress units for generating this excavation progress determination model is a face image obtained by continuously photographing the face that appears for each excavation progress unit in at least one tunnel construction in the past or present. It is obtained by machine learning the face evaluation results for each excavation progress unit evaluated using the first system. If the face evaluation result for each excavation progress unit is subjected to additional machine learning as a learning face evaluation result for each excavation progress unit at any time, the determination accuracy is improved accordingly.
従って、この掘削進行判定モデルを用いて、施工途次のトンネルで撮影入手した掘削進行単位ごとの切羽画像を第一システムを用いて評価した各掘削進行単位ごとの切羽評価結果から当該施工途次の掘削進行状況を評価することができる。 Therefore, using this excavation progress determination model, the face image for each excavation progress unit obtained by taking a picture in the tunnel during the construction process is evaluated using the first system, and the construction process is based on the face evaluation result for each excavation progress unit. The excavation progress of the site can be evaluated.
また、本実施例では、得られた切羽前方の地山状況を表示する地山表示手段を備えている。 Further, in this embodiment, a ground display means for displaying the obtained ground condition in front of the face is provided.
この地山表示手段は、例えば切羽前方における地山不良部の分布領域が切羽進行方向に推移する分布形状を表示する。 This ground display means displays, for example, the distribution shape in which the distribution region of the ground defect portion in front of the face changes in the direction of travel of the face.
尚、本実施例に係る地山予測システム（第一システム及び第二システム）は、トンネル毎の地質分布に応じて複数種類用意される。 A plurality of types of ground prediction systems (first system and second system) according to this embodiment are prepared according to the geological distribution for each tunnel.
以上の構成から成る地山予測システムの使用方法について説明する。 How to use the ground prediction system consisting of the above configurations will be described.
施工途次（トンネル掘削期間）のトンネルにおいて、現在切羽位置（Ｌｎ）よりも後方の１０〜２０ｍ程度区間における掘削進行単位（Ｌｎ−１，Ｌｎ−２，Ｌｎ−３・・・Ｌｎ−ｍ）ごとに撮影入手した各掘削進行単位ごとの切羽画像（切羽画像データ）を撮影入手し、この各掘削進行単位ごとの切羽画像を切羽判定モデルで評価し、この切羽判定モデルを用いて評価した各掘削進行単位ごとの切羽評価結果（時系列群）を掘削進行判定モデルで評価（図１中のＡルート）し、当該切羽前方の予測位置（Ｌｎ＋１）の地山状況（例えば地質分布の特徴量）を評価する。 In a tunnel during construction (tunnel excavation period), excavation progress units (Ln-1, Ln-2, Ln-3 ... Ln-m) in a section of about 10 to 20 m behind the current face position (Ln). The face image (face image data) for each excavation progress unit obtained was photographed and obtained, and the face image for each excavation progress unit was evaluated by the face judgment model, and each evaluated using this face judgment model. The face evaluation result (time series group) for each excavation progress unit is evaluated by the excavation progress judgment model (Route A in FIG. 1), and the geological condition (for example, the feature amount of geological distribution) at the predicted position (Ln + 1) in front of the face is evaluated. ) Is evaluated.
一方、切羽判定モデルを用いて、施工途次の当該位置における切羽を評価して当該地山判定を随時行う（図１中のＢルート）。このＢルートにおいて得られる評価結果は、前記掘削進行判定モデルにおける掘削単位ごとの学習用切羽評価結果としても用いられる。 On the other hand, using the face determination model, the face at the position in the middle of construction is evaluated and the ground determination is performed at any time (route B in FIG. 1). The evaluation result obtained in this B route is also used as a learning face evaluation result for each excavation unit in the excavation progress determination model.
これらの評価結果に基づき、予測される切羽前方の掘削予定の地山状況は表示手段により表示され、作業者はこの表示を見て今後の施工計画を検討する。 Based on these evaluation results, the predicted ground condition of the excavation plan in front of the face is displayed by the display means, and the operator looks at this display and considers the future construction plan.
本実施例は上述のように構成したから、切羽前方の掘削予定の地山状況の予測が簡易且つ確実に行えることになる。 Since this embodiment is configured as described above, it is possible to easily and surely predict the ground condition to be excavated in front of the face.
また、本実施例は、切羽判定モデルは、施工途次のトンネルで撮影入手した切羽画像を学習用切羽画像として随時追加機械学習可能なように構成されているから、より高精度な判定が行われることになる。 Further, in this embodiment, the face judgment model is configured so that the face image taken and obtained in the tunnel during construction can be additionally machine-learned as a learning face image at any time, so that more accurate judgment can be performed. Will be told.
また、本実施例は、掘削進行判定モデルは、施工途次のトンネルで得られる切羽評価結果を学習用切羽評価結果として随時追加機械学習可能なように構成されているから、より高精度な判定が行われることになる。 Further, in this embodiment, the excavation progress determination model is configured so that the face evaluation result obtained in the tunnel during construction can be additionally machine-learned as a learning face evaluation result at any time, so that the determination is more accurate. Will be done.
また、本実施例は、現在の切羽前方の掘削予定の地山状況を表示する地山表示手段を備えたから、本システムにより得られる現在の切羽前方の地山状況をイメージし易く十分に把握することができる。 In addition, since this embodiment is provided with a ground display means for displaying the current ground condition in front of the face to be excavated, the current ground condition in front of the face obtained by this system can be easily imagined and sufficiently grasped. be able to.
尚、本発明は、本実施例に限られるものではなく、各構成要件の具体的構成は適宜設計し得るものである。 The present invention is not limited to the present embodiment, and the specific configuration of each constituent requirement can be appropriately designed.
Claims (4)
トンネル施工において掘削進行単位ごとに撮影入手した複数の学習用切羽画像から前記第一システムを用いて評価した各掘削進行単位ごとの学習用切羽評価結果を機械学習して生成される掘削進行判定モデルと、施工途次のトンネルで撮影入手した掘削進行単位ごとの切羽画像を前記第一システムを用いて評価した各掘削進行単位ごとの切羽評価結果とから当該施工途次の掘削進行状況を評価する第二システム、
前記２つのシステムにより施工途次のトンネルの現在の切羽前方の掘削予定の地山状況を予測することを特徴とする地山予測システム。 The first system that evaluates the face of the construction process from the face judgment model generated by machine learning multiple learning face images taken in the tunnel construction and the face image taken and obtained in the tunnel during the construction process. ,
An excavation progress judgment model generated by machine learning the learning face evaluation results for each excavation progress unit evaluated using the first system from a plurality of learning face images obtained taken for each excavation progress unit in tunnel construction. And, the excavation progress status of the construction process is evaluated from the face evaluation results of each excavation progress unit obtained by evaluating the face image of each excavation progress unit obtained by taking a picture in the tunnel during the construction process using the first system. Second system,
A ground prediction system characterized by predicting the ground conditions to be excavated in front of the current face of a tunnel under construction by the above two systems.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019221528A JP6936845B2 (en) | 2019-12-06 | 2019-12-06 | Ground prediction system |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019221528A JP6936845B2 (en) | 2019-12-06 | 2019-12-06 | Ground prediction system |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2021092031A JP2021092031A (en) | 2021-06-17 |
| JP6936845B2 true JP6936845B2 (en) | 2021-09-22 |
Family
ID=76311962
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2019221528A Active JP6936845B2 (en) | 2019-12-06 | 2019-12-06 | Ground prediction system |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6936845B2 (en) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7390975B2 (en) * | 2020-05-21 | 2023-12-04 | 清水建設株式会社 | Face evaluation system, face evaluation learning system, face evaluation method, face evaluation learning method, computer program |
| JP2023003193A (en) * | 2021-06-23 | 2023-01-11 | 株式会社フジタ | Construction management system and method |
| JP7712151B2 (en) * | 2021-08-31 | 2025-07-23 | 一般財団法人先端建設技術センター | Skin loss prediction device, machine learning device, skin loss prediction method, and machine learning method |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005220687A (en) * | 2004-02-09 | 2005-08-18 | Taisei Corp | Civil engineering management system |
| JP6784239B2 (en) * | 2017-07-24 | 2020-11-11 | 株式会社大林組 | Face evaluation support system, face evaluation support method and face evaluation support program |
| JP7061891B2 (en) * | 2018-02-21 | 2022-05-02 | 清水建設株式会社 | Operation estimation device and operation estimation method |
| CN109630154B (en) * | 2019-01-24 | 2023-08-25 | 华能西藏雅鲁藏布江水电开发投资有限公司 | An excavation robot and remote mobile terminal command system for tunnel excavation |
| JP7245749B2 (en) * | 2019-08-30 | 2023-03-24 | 前田建設工業株式会社 | Evaluation support system, evaluation support method, and program |
-
2019
- 2019-12-06 JP JP2019221528A patent/JP6936845B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2021092031A (en) | 2021-06-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6936845B2 (en) | Ground prediction system | |
| JP6784239B2 (en) | Face evaluation support system, face evaluation support method and face evaluation support program | |
| Köppl et al. | Suggestion of an empirical prognosis model for cutting tool wear of Hydroshield TBM | |
| JP2019056668A (en) | Information processing apparatus, information processing system, information processing method, and information processing program | |
| JP7390975B2 (en) | Face evaluation system, face evaluation learning system, face evaluation method, face evaluation learning method, computer program | |
| JP2021032042A (en) | Deterioration state diagnosis method for structures | |
| Kim et al. | Enhanced rock mass rating prediction from tunnel face imagery: A decision-supportive ensemble deep learning approach | |
| JP6516384B2 (en) | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING SYSTEM, INFORMATION PROCESSING METHOD, AND INFORMATION PROCESSING PROGRAM | |
| JP7330008B2 (en) | Excavation management apparatus and method | |
| JP6863730B2 (en) | Tunnel face construction management device and construction management method | |
| Letshwiti et al. | Deep learning-based image segmentation for highwall stability monitoring in open pit mines | |
| KR101243885B1 (en) | Tunnel execution management system using mobile terminal | |
| JP7026438B2 (en) | Management information confirmation system for existing structures | |
| JP5208670B2 (en) | Groundwater state evaluation system and groundwater state evaluation method | |
| HATA | Evaluating tunnel rock mass using deep learning | |
| JP2024089479A (en) | Analysis device, learning device, and program | |
| JP2018071314A (en) | Drill hole accuracy control method | |
| JP7377391B1 (en) | Estimation device, estimation method and program | |
| KR102193830B1 (en) | Apparatus and method for predicting front geological features based on indicatingtendency to change according to measuring data for a blind end in a tunnel | |
| Medinac | Advances in pit wall mapping and slope assessment using unmanned aerial vehicle technology | |
| EP4141212A1 (en) | Apparatus, method and software program product for designing drilling patterns | |
| JP7742292B2 (en) | How to create a 3D geological model of a tunnel | |
| CN118566909B (en) | A device and method for evaluating the stability of surrounding rock of a fast-exploiting tunnel | |
| Owusu-Bempah | Streamlining geotechnical slope reconciliation for open pits, a slope optimization and recommendation approach at Brockman 2 Operations in the Pilbara Region in Australia | |
| Evins et al. | Systematic photogrammetry integrated into the Contractor's workflow during tunneling: Advantages and lessons learned |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191227 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20191227 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200716 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210805 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210827 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6936845 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |