SE1950706A1 - Kartering av mineralprover - Google Patents

Kartering av mineralprover

Info

Publication number
SE1950706A1
SE1950706A1 SE1950706A SE1950706A SE1950706A1 SE 1950706 A1 SE1950706 A1 SE 1950706A1 SE 1950706 A SE1950706 A SE 1950706A SE 1950706 A SE1950706 A SE 1950706A SE 1950706 A1 SE1950706 A1 SE 1950706A1
Authority
SE
Sweden
Prior art keywords
information
samples
receiving unit
analysis
sample
Prior art date
Application number
SE1950706A
Other languages
English (en)
Inventor
Håkan Tyni
Mats Isakson
Peter Alex
Stefan Karlström
Original Assignee
Luossavaara Kiirunavaara Ab
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Luossavaara Kiirunavaara Ab filed Critical Luossavaara Kiirunavaara Ab
Priority to SE1950706A priority Critical patent/SE1950706A1/sv
Publication of SE1950706A1 publication Critical patent/SE1950706A1/sv

Links

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02Agriculture; Fishing; Forestry; Mining
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06NCOMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00Computing arrangements based on biological models
    • G06N3/02Neural networks
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • EFIXED CONSTRUCTIONS
    • E21EARTH OR ROCK DRILLING; MINING
    • E21BEARTH OR ROCK DRILLING; OBTAINING OIL, GAS, WATER, SOLUBLE OR MELTABLE MATERIALS OR A SLURRY OF MINERALS FROM WELLS
    • E21B25/00Apparatus for obtaining or removing undisturbed cores, e.g. core barrels or core extractors
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N2021/1765Method using an image detector and processing of image signal
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/41Refractivity; Phase-affecting properties, e.g. optical path length
    • G01N2021/4173Phase distribution
    • G01N2021/4186Phase modulation imaging
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/59Transmissivity
    • G01N21/5907Densitometers
    • G01N2021/5957Densitometers using an image detector type detector, e.g. CCD
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/17Systems in which incident light is modified in accordance with the properties of the material investigated
    • G01N21/59Transmissivity
    • G01N21/5907Densitometers
    • G01N2021/5976Image projected and scanning projected image
    • GPHYSICS
    • G01MEASURING; TESTING
    • G01NINVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/62Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
    • G01N21/63Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
    • G01N21/64Fluorescence; Phosphorescence
    • G01N21/645Specially adapted constructive features of fluorimeters
    • G01N21/6456Spatial resolved fluorescence measurements; Imaging
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/20Special algorithmic details
    • G06T2207/20084Artificial neural networks [ANN]

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • General Business, Economics & Management (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Economics (AREA)
  • Agronomy & Crop Science (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Mining & Mineral Resources (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

Föreliggande uppfinning avser en anordning avsedd att användas vid analys och kartering av från under markytan hämtade prov/prover 7. Den innefattar en bildupptagande enhet 9 som avläser spektrai information från provet 7 och ett artificiellt neuralt nätverk som analyserar informationen. Uppfinningen avser även ett förfarande för analys och kartering av prover 7.

Description

Kartering av mineraiprover tekniskt oMRÅoe Fdreiiggande uppfinning avser en anordning för kartering av mineraiprover, exempeivis borrkärnor.
BAKGRUND Karta-ring av mineraiprover idag sker genom att ett antai prover tas ur borrnåi som kan vara fiera hundra meter djupa. Varje prov dokumenteras geografiskt. Därefter granskas och anaiyseras varje prov med avseende på typ av berg, typ av minerai och var sprickor är beiägna.
Varje mineraiprovs anaiysresuitat fors in i ett register varefter en tvärsnittsvy kan tas frammed avseende på exempeivis stråk av mineraier som sträcker sig genom berggrunden samtvar sprickområden finns. Detta är en väsentiig information eftersom vid gruvbrytning måstesprickbiidningar tas hänsyn tiii, för att kunna optimera bergförstärkning med bergbuitar ochliknande. Denna typ av kartering är tidskrävande, stäiier stora krav på de geoioger som analyserar proverna och är personberoende.
SAMMANFAWNENG AV UPPFiNNiNGEN Syftet med den föreiiggande uppfinningen är att underiätta och förbättra kartering avmineraiprover, exempeivis borrkärnor, genom användning av anordningen eniigt patentkrav 1 och förfarandet eniigt patentkrav 14.
FEGURBESKREVNINGFigur 1 visar ett tvärsnitt genom en berggrund, Figur 2A visar en borrigg, 1G 2G Figur ZB visar en hålborr med en borrkärna,Figur 3 visar en handhållen enhet och en avbildning av en borrkärna,Figur 4 visar en alternativ utföringsform av en horrigg med monterad handhållen enhet, och Figur 5 visar en gruvgång i berggrunden under jord.
BESKRlVNlNG AV UTFÖRENGSFORMER Figur 1 visar hur ett tvärsnitt från en berggrund 1 kan vara formerad med stråk 2 av mineraleroch sprickbildningar 3. De lodräta markeringarna indikerar provtagningshål 4. Provtagningensker genom att en hålborr eller kärnhorr 5 drivs ner genom berggrunden l med hjälp av enhorrmaskin 6 på känt sätt som visas i Figur 2A. När borren 5 dras upp ur hålet följermineralprovet med i form av en så kallad kärna 7, som visas i Figur 28. kärnorna kan läggas i ejvisade magasin eller lådor och transporteras tiil en ej visad anaiysstation. Även djupet 8 från vilket provet har tagits registreras.
En i Figur 3 visad handhållen bildupptagande enhet 9 i form av en kamera används för attavbilda kärnorna 7. Varje kärna 7 avbildas från åtminstone en sida och längs hela dess längd såsom illustreras med hänvisningsbeteckningen 1G i Figur 3. Bilderna skickas sedan vidare till enserver 12 för analys och kartering. Analysen sker med avseende på bergart, mineralinnehäll,sprickbildning, typ av spricka dvs naturlig spricka eller en mekaniskt uppkommen spricka,avstånd mellan sprickor, sprickans riktning, vilket djup mineraler eller sprickor är belägna påoch liknande information. lviekaniskt sprickor kan uppkomma vid provtagningen eller vidhanteringen, och naturliga sprickor uppstår vid exempelvis sättningar och andra naturligtförekommande rörelser i berggrunden. ivied hjälp av denna information kan berggrundenkartläggas med avseende på riktning, djup och mängd av sprickor och stråk av mineraler och fåen helhetsbild av berggrunden, som illustreras i Figur 1. Detta ger en tidig indikation omrnalminnehåll och möjlighet att utvinna malmen, och med denna information kan sedan beslut tas om etableringar.
Analysen sker genom så kallad spektralanalys, dvs vilket ijusspektrum 11 som varje del av kärnan Y reflekterar. Ljusspektra har inhåmtats från tidigare, manuellt genomförda 1G 3karteringar. Varje detalj hos en borrkärna som registrerats som intressant av personal vidtidigare utförda analyser har klassificerats med hjälp av fotografier och lagras i en server.Utifrån denna klassificering jämförs nya borrkärnor med gamla resultat varvid analysen sker mer automatiserat.
Spektralanalysen kan utföras av flera typer av ljusspektrum 11, både i synliga våglängder menäven av våglängder som inte är synliga för det mänskliga ögat, exempelvis röntgen, infraröttljus, ultraviolett ljus och våglängder däremellan, beroende på vilken belysning som är tillgänglig eller som används vid provtagning och/eller analys.
Den bildupptagande enheten 9 och servern 12, vilken server 12 kan vara kopplad till ensamling servrar, innehåller ett artificiellt neuralt nätverk, så kallat ANN. Ett ANN är på känt sätten samling algoritmer som är så utformat att det kan känna igen och tolka olika mönster pä ettautomatiskt sätt. Algoritmerna är självlärande, men har från början försetts med deninformation som finns tillgänglig från tidigare manuellt utförda analyser av borrkärnor 7. Nären ny borrkärna 7 avbildas, exempel på detta ses l Figur 3, och informationen skickas tillservern, kontrolleras informationen och jämförs med tidigare inlärda analyser. Qm det nyaresultatet skiljer sig från redan känt resultat, beräknas skillnaden och jämförs med liknandeavvikelser för att erhålla ett nytt riktvärde för ett registrerat spektrum. Detta nya registreradespektrum sparas och används sedan i kommande analyser, varefter samma förfarandeupprepas om en avvikelse detekteras och systemet blir självlärande och blir bättre och säkrare med ökat antal analyser.
Det bör inses att själva analysen kan genomföras direkt i den handhällna enheten 9 utan attinformationen skickas vidare till en server 12. Den hanclhållna enheten 9 förses medinformation från servern 12 avseende tidigare analyserade avbildningar, och själva servern 12utgör både lagringsutrymme och används när den handhållna enheten 9 måste utvidga ellermodifiera algoritmerna. Servern 12 används även om fler handhålina enheter ska användasinom samma gruvomräde och därmed behöver förses med algoritmer och tidigare information. len utföringsform används en vanligt förekommande mobiltelefon, en så kallad smartphonemed en inbyggd kamera 9a, som bildupptagande enhet 9. Eftersom telefonen är uppkopplad mot det mobila nätet, kan information på ett enkelt sätt överföras till servern. l områden med 3D 4dålig nätverkstäckning kan även så kallade satellittelefoner användas för att säkerställa överföringen av information från den handhållna enheten till servern 12.
Om inte ett mobilt nätverk finns tillgängligt kan informationen och bilderna lagras irnobiltelefonens minne, för att sedan flyttas till en plats där täckning finns, och därefter överföras till servern 12.
Den handhållna enheten, när denna innefattar en mobiltelefon, kan även med hjälp av sinprocessor Qb utgöra en dei av det artificiella neurala nätverket. hriobiltelefonens processor kanutgöra det första steget i analysen, varefter den påbörjade bearbetningen av data skickasvidare till servern 12. i en annan utföringsform sker hela analysen av mobiltelefonensprocessor, varefter resultatet kan utläsas på mobiltelefonens skärm 9c. Resultatet lagras imobiltelefonens minne Qd och skickas vidare till en server 12 för vidare analys, upprättande av ytterligare algoritmer och/eller lagring av data. l en annan utföringsform sker avbildningen direkt vid en borrigg 13 som borrrnaskinen 6 ärmonterad till som driver ner hålborren 5. När borren 5 dragits upp från hålet 4, och kärnan 7avlägsnas, avbildas kärnan 7 under det att den avlägsnas från hälborren 5. Den handhällnaenheten 9 som är anordnad med en kamera Qa, en kamera uppkopplad mot ett mobilt nätverkeller en mobiltelefon är monterad på riggen 13. När kärnan 7 dras ur hälborren 5 tas en serieav bilder av kärnan, sä som visas som exempel i Figur 3, och skickas direkt till servern och detartificiella neurala nätverket, alternativt analyseras direkt i den handhållna enhetens 9artificiella neuraia nätverk. På så sätt effektiviseras processen, och kärnan 7 kan direkt lagrasför senare användning. Denna metod ger färre lyft och mindre hantering av kärnan 7, som i vissa fall kan vara bräcklig, varvid risken minskar att kärnan 7 skadas.
Ytterligare en utföringsform avser analys av en bergvägg 15. När gruvgångar 14, orter, tas uppgenom berg 1 avverkas material för att bilda en ort eller en gäng 14. l änden av gången 14bildas en gavel 16, vilken gavel 16 förflyttas inåt i berget 1 under det att berget bearbetas ochgruvgången 14 fortsatt tas upp och sträcker sig djupare in i berget 1. l syfte att underlättabrytningen av gruvgängens gavel 16, och därmed själva gruvgången 14, analyseras gaveln 15.Den handhållna enheten 9 används för att ta en serie avbiidningar vilka analyseras av detneurala nätverket. Gruvgångens gavel 16 och även gruvgångens 14 väggar 15 kan innehålla sprickor 3 och stråk av mineraler 2. Genom att analysera kontinuerligt tagna bilder under det 5att gruvgången 14 sträcker sig aiit Eängre in i berget i, kan sprickutiaredning 3 den sträckningen av nfiineraistråk 2 utiäsas viiket gär brytningen både säkrare een rner iönsam.
Föreiiggande uppfinning är inte begränsad tiii det even beskrivna nen nå ritningarna visade,utan kan ändras och medifieras på en rad eiike sätt innrn rarnen för den i de eirterföiiande natentkraven angivna uppfinningstanken.

Claims (16)

1G.
1. Anordning avsedd att användas vid analys och kartering av från under markytan hämtade prov/prover (7) innefattandeen bildupotagande enhet å som avläser soektral information från provet (7)och ett artiflclellt neuralt nätverk som analyserar informationen.
2. Anordning enligt krav ii., varvid den spektraia informationen innehåller typ av hergart och mineral hos provet (7).
3. Anordning enligt krav fi., varvid den spektrala informationen innehåller förekomst och lokalisering av sprickor (3).
4. Anordning enligt krav 1, varvid det artificiella neurala nätverket innefattar algoritmer vilkajämför den soektrala informationen med sedan tidigare lagrad information avseende liknande prover (7).
5. Anordning enligt krav 4, varvid algoritmerna är så utformade att nätverket utvecklas ochförfinas med hjälp av inhämtad spektral information och sedan tidigare lagrad och karterad information från analyserade prover (7).
6. Anordning enligt krav 1, varvid den hildupptagande enheten (9) är en handhållen kamera ansluten till det artificiella neuraia nätverket.
7. Anordning enligt krav d, varvid den bildupptagande enheten (9) innefattar en mobiltelefon/smartphone med inbyggd kamera (Sa).
8. Anordning enligt krav i., varvid den hilduoptagande enheten (9) är ansluten till ett mobilt nätverk.
9. Anordning enligt krav 1, innefattande en horrigg (13) varvid proverna (7) inhämtas med en hålborr (5).
10. Anordning enligt krav 9, varvid den bilduoptagande enheten (9) är anordnad i direkt anslutning till borriggen (13).
11.
12.
13.
14.
15.
16. förfarande vid anaiys och kartering av från under markytan hämtade prov/prover (7),innefattande hiidtagning med en iaiidupptagande enhet (9) som aviäser Spektra! information från provet (7) och anaiysering av informationen från den hiidupotagande enheten (9) genom användning av ett artifieieiit neurait nätverk.förfarande eniigt krav 11, varvid anaiyser genomförs av den biidupptagande enheten (9). Förfarande eniigt krav 11, varvid analysen genomförs i en server (12) som står i kommunikation med den hiidupntagande enheten (9). forfarande eniigt något av kraven 11 - 13, varvid den spektraia informationen inhämtas i samband med att ett prov (7) tas från under markytan (1). Förfarande eniigt något av kraven 11 - 13, varvid den spektraia informationen aviäses från en vägg (15) i en gruvgång (14). Förfarande eniigt något av kraven 11 - 13, varvid den spektraia informationen aviåses från gavein (16) i gruvgången
SE1950706A 2019-06-13 2019-06-13 Kartering av mineralprover SE1950706A1 (sv)

Priority Applications (1)

Application Number Priority Date Filing Date Title
SE1950706A SE1950706A1 (sv) 2019-06-13 2019-06-13 Kartering av mineralprover

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
SE1950706A SE1950706A1 (sv) 2019-06-13 2019-06-13 Kartering av mineralprover

Publications (1)

Publication Number Publication Date
SE1950706A1 true SE1950706A1 (sv) 2020-12-14

Family

ID=74086364

Family Applications (1)

Application Number Title Priority Date Filing Date
SE1950706A SE1950706A1 (sv) 2019-06-13 2019-06-13 Kartering av mineralprover

Country Status (1)

Country Link
SE (1) SE1950706A1 (sv)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011120086A1 (en) * 2010-03-29 2011-10-06 Datatrace Dna Pty Limited A system for classification of materials using laser induced breakdown spectroscopy
US20140327760A1 (en) * 2013-05-06 2014-11-06 Bergen Teknologioverfoering As Method of investigating a solid sample
WO2015059058A1 (en) * 2013-10-22 2015-04-30 Cgg Services Sa Desktop hyperspectral spectra collection of geological material
CN109030388A (zh) * 2018-07-17 2018-12-18 东北大学 一种基于光谱数据的铁矿石全铁含量检测方法
KR101966732B1 (ko) * 2018-10-29 2019-04-08 한국지질자원연구원 석회석 광산 갱내의 디지털 사진 자료를 이용한 암상 분석 방법

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011120086A1 (en) * 2010-03-29 2011-10-06 Datatrace Dna Pty Limited A system for classification of materials using laser induced breakdown spectroscopy
US20140327760A1 (en) * 2013-05-06 2014-11-06 Bergen Teknologioverfoering As Method of investigating a solid sample
WO2015059058A1 (en) * 2013-10-22 2015-04-30 Cgg Services Sa Desktop hyperspectral spectra collection of geological material
CN109030388A (zh) * 2018-07-17 2018-12-18 东北大学 一种基于光谱数据的铁矿石全铁含量检测方法
KR101966732B1 (ko) * 2018-10-29 2019-04-08 한국지질자원연구원 석회석 광산 갱내의 디지털 사진 자료를 이용한 암상 분석 방법

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Contreras C. et al. 'A Machine Learning Technique for Drill Core Hyperspectral Data Analysis', Del av 9th Workshop on Hyperspectral Image and Signal Processing: Evolution in Remote Sensing (WHISPERS), Sep 23-26 2018, Amsterdam, Nederländerna *
Löfgren M. et al. 'Quantitative mapping and statistical evaluation of fracture minerals in the granitic bedrock at Forsmark, Sweden', M Miner Petrol, 2016, Vol 110, s. 663-680 *
López AJ. et al. 'Automatic Identification of Rock-Forming Minerals in Granite Using Laboratory Scale Hyperspectral Reflectance Imaging and Artificial Neural Networks', J Nondestruct Eval, 2017, Vol 36, art. 52, s. 1-9 *
Ramil A. et al. 'A computer vision system for identification of granite-forming minerals based on RGB data and artificial neural networks', Measurement, 2018, Vol 117, s. 90-95 *

Similar Documents

Publication Publication Date Title
US11719853B2 (en) Underground infrastructure sensing using unmanned aerial vehicle (UAV)
CN101110067B (zh) 爆破作业智能分析方法与系统
CN102496004B (zh) 一种基于图像的煤岩界面识别方法与系统
KR20200013148A (ko) 콘크리트 구조물 결함 분석 서비스 제공 방법, 시스템 및 컴퓨터 프로그램
EP3340113A1 (en) Method and system for analyzing cuttings coming from a wellbore
US20110042143A1 (en) Method and apparatus for intensifying ore prospecting
PH12020551732A1 (en) Matching method and apparatus, electronic device, computer-readable storage medium, and computer program
CN112127896B (zh) 一种tbm开挖岩渣信息自动采集与分析系统及方法
CN104992439B (zh) 农作物叶子虫害检测装置及其检测方法
CN104653181A (zh) 一种基于灰度识别技术的放顶煤开采过程混矸比例控制系统及方法
JP2015124955A (ja) ごみ攪拌状態検出装置およびごみ攪拌状態検出方法
CN106934796A (zh) 隧道掘进机搭载的高速皮带机岩渣视频分析系统及方法
CN106371013A (zh) 一种基于图片识别的gis开关故障自动识别系统
SE1950706A1 (sv) Kartering av mineralprover
US11753884B2 (en) Downhole cuttings collector
CN109107918A (zh) 一种磁瓦外观质量自动检测方法及系统
KR20210053509A (ko) 드론을 이용한 건축물 하자검사 시스템.
CN104093934B (zh) 评估采矿中粉尘控制的方法
KR20200048328A (ko) 지하수 관정의 비파괴 검사 시스템
CN206348848U (zh) 隧道洞壁围岩完整性信息采集装置
CN103942576A (zh) 一种用空域多尺度随机特征识别煤岩的方法
CN112696186B (zh) 一种用于自动识别钻井岩屑的方法及系统
EP1110750A3 (en) ID card, as well as the method and apparatus for it's manufacture
CN117351241A (zh) 隧道病害的智能检测评定方法、装置、终端及存储介质
GB2106242A (en) Methods and apparatus for well investigation and development

Legal Events

Date Code Title Description
NAV Patent application has lapsed