(General session) Mining and underground construction machineries / Rock Engineering / Resource based economy and social system / Mining technologies

[1K0201-08-06] [Student presentation: Master’s course] A study on prediction of fragmentation size by applying deep learning in bench blasting

○Sho Tsurukawa¹, Takashi Sasaoka¹, Akihiro Hamanaka¹, Hideki Shimada¹, Tomohiko Sakiyama², Ryohei Nakai², Masatomo Ichinose³ (1. Kyushu University, 2. Kasuga Mining Co., Ltd.,, 3. Center of Urban Infrastructure, Environment and Resources)

司会：武川順一 (京都大学)

Keywords:Deep learning, Blasting, Fragmentation

露天掘り鉱山では、効率性および経済性の観点からベンチ発破を用いた採掘が行われている。発破により生じる起砕物の粒径（起砕物粒度）を制御する手法が未だ確立されているとは言い難く、起砕物粒度が一定しないことによる作業効率の低下が問題となっている。そこで本研究では、発破試験データを基に発破規格の各パラメータが起砕物粒度に与える影響を評価し、起砕物粒度の予測モデルを作成することで、露天掘り鉱山における起砕物粒度予測の手法に関して知見を得ることを目的とする。