Zastosowanie technologii fotogrametrii UAV do identyfikacji nieciągłości zboczy w kopalni miedzi Pulang

Dlaczego latające roboty obserwują ściany skalne

Wysokie ściany skalne nad kopalniami i górskimi drogami mogą zawalić się bez ostrzeżenia, zrzucając tony kamienia w dół stoku. Sprawdzanie każdego pęknięcia ręcznie jest powolne i ryzykowne dla inżynierów, którzy często muszą pracować tuż pod niestabilną skałą. W tym badaniu pokazano, jak drony wyposażone w kamery i inteligentne przetwarzanie danych mogą bezpiecznie „odczytać” ukryte wzory spękań na stromym zboczu w chińskiej kopalni miedzi Pulang, pomagając przewidzieć, gdzie skała jest najbardziej podatna na złamanie.

Obserwacja niebezpiecznego zbocza z nieba

Kopalnia miedzi Pulang leży w surowych, zalesionych górach prowincji Yunnan, gdzie głęboka eksploatacja wyrzeźbiła prawie 100‑metrowe wycięcie w zboczu. Części głównego stoku są bardzo strome i trudno dostępne, a już dochodzi tam do zsuwów skalnych podczas prac. Zespół badawczy użył dużego drona z wysokorozdzielczą kamerą, by oblecieć szyb osuwiskowy i wykonać zachodzące na siebie zdjęcia klifów. Z tych fotografii zbudowano trójwymiarowy model cyfrowy w postaci „chmury punktów” — milionów drobnych kropek, które razem odtwarzają kształt powierzchni skały. Ponieważ gęste drzewa zasłaniały znaczną część skały, zespół starannie usunął punkty roślinności i wybrał reprezentatywny obszar odsłoniętej skały do szczegółowej analizy.

Od surowych punktów do sensownych płaszczyzn skalnych

Przekształcenie surowej chmury punktów w użyteczne informacje o pęknięciach nie jest trywialne. Autorzy połączyli kilka narzędzi matematycznych, by zrobić to wydajnie. Najpierw zastosowali analizę głównych składowych, by dla każdego punktu określić orientację otaczającej powierzchni skalnej i stopień jej zakrzywienia. Punkty przy ostrych liniach przecięcia spękań zwykle mają wysoką krzywiznę, więc przefiltrowali wiele z nich, by uprościć dane. Następnie użyli gęstościowego algorytmu grupowania, który łączy bliskie punkty należące do tej samej płaskiej płachty, oznaczając punkty odosobnione jako szum. Ten pierwszy etap dzieli chmurę na wiele małych fragmentów mniej więcej odpowiadających indywidualnym powierzchniom spękań.

Grupowanie rodzin spękań i pomiar ich rozmiaru

Dalej zespół musiał posortować te liczne fragmenty w kilka głównych „rodzin” spękań o podobnych kierunkach. Zrobiono to, analizując wyłącznie orientacje każdego małego fragmentu i podając je do kolejnego schematu grupowania, który wyodrębnia grupy o wspólnych trendach. Stosując ten krok do zredukowanego zestawu reprezentatywnych punktów zamiast całej chmury, ograniczono czas obliczeń, jednocześnie uchwycając główne wzorce. Na koniec, w ramach każdej rodziny przeprowadzono drugą rundę grupowania opartego na gęstości, aby odzyskać kompletne indywidualne spękania. Dla każdego z nich oszacowano trzy kluczowe wielkości: nachylenie i kierunek względem kompasu, długość widocznego śladu na zboczu oraz odstępy do sąsiednich spękań. Porównania z dokładnym ręcznym dopasowaniem w specjalistycznym oprogramowaniu wykazały, że automatyczne pomiary kierunków pęknięć mieściły się w kilku stopniach od ocen ekspertów, co jest wystarczające do zastosowań inżynierskich.

Testowanie wpływu spękań na osłabienie stoku

Następnie badacze zadali pytanie, co odwzorowane spękania oznaczają dla bezpieczeństwa zbocza. Korzystając z zmierzonych kierunków, długości i odstępów, zbudowali statystyczny model trójwymiarowej sieci spękań wewnątrz masy skalnej. Wstawili tę sieć do symulacji komputerowej rzeczywistego stoku, opartej na powierzchni dopasowanej do chmury punktów z drona, i przeprowadzili obliczenia zachowania skały pod własnym ciężarem. Porównując model z pęknięciami z otherwise identycznym, nieuszkodzonym stokiem, stwierdzili, że wersja z pęknięciami wykazywała większe, mniej jednorodne przemieszczenia i silniejsze koncentracje naprężeń wokół szczelin. Innymi słowy, spękania dzielą skałę na bloki, kierują siły w preferowane ścieżki i tworzą słabe strefy, od których najprawdopodobniej rozpocznie się awaria.

Szybsze cyfrowe oczy dla bezpieczniejszych stoków

Dla osób niebędących specjalistami główny przekaz jest taki, że drony połączone ze sprytnym przetwarzaniem danych potrafią teraz szybko zeskanować niebezpieczne urwiska, bez narażania ludzi, i mimo to ujawnić subtelne wzory spękań kontrolujące przyszłe zawalenia. Przypadek Pulang pokazuje, że nowa metoda może przetwarzać bardzo duże zbiory danych znacznie szybciej niż starsze podejścia, dostarczając pomiary spękań wystarczająco dokładne, by zasilać symulacje stabilności. Chociaż gęsta roślinność i pewne uproszczenia nadal ograniczają zakres widocznych cech, ten przepływ pracy wskazuje drogę ku rutynowym, powtarzalnym kontrolom stanu zboczy skalnych nad kopalniami, drogami i zaporami — przy użyciu latających robotów i matematyki, by dostrzec problemy, zanim zrobi to grawitacja.

Cytowanie: Wu, L., Wang, Y., Yang, J. et al. Application of UAV photogrammetry technology in identifying discontinuities in slopes in the Pulang copper mine. Sci Rep 16, 14101 (2026). https://doi.org/10.1038/s41598-026-43520-w

Słowa kluczowe: mapowanie dronem, stabilność skał na skarpie, chmura punktów 3D, bezpieczeństwo kopalni, wykrywanie pęknięć