Применение фотограмметрии БПЛА для выявления нарушений сплошности откосов на медном руднике Пулан

Почему летающие роботы следят за горными стенами

Высокие скальные откосы над рудниками и горными дорогами могут обрушиваться без предупреждения, отправляя тонны камня вниз по склону. Проверять каждую трещину вручную медленно и опасно для инженеров, которые часто вынуждены работать прямо под нестабильной породой. В этом исследовании показано, как оснащённые камерами дроны и продуманная обработка данных могут безопасно «прочитать» скрытые схемы трещиноватости на крутом склоне медного рудника Пулан в Китае, помогая предсказать, где порода наиболее склонна к разрушению.

Наблюдение за опасным откосом с неба

Медный рудник Пулан расположен в пересечённых, заросших лесом горах провинции Юньнань, где глубокая разработка вырезала в склоне почти 100‑метровый уступ. Части главного откоса очень круты и труднодоступны, и во время разработки уже происходят обвалы породы. Команда исследователей использовала крупный дрон с высокоразрешающей камерой, чтобы облитать зону оползня и захватить перекрывающиеся снимки скал. По этим фотографиям они построили трёхмерную цифровую модель в виде «точечного облака» — миллионов крошечных точек, которые вместе очерчивают форму поверхности породы. Поскольку плотная растительность скрывает большую часть скалы, команда тщательно удаляла точки растительности и выбрала репрезентативную область с обнажённой породой для детального анализа.

От сырых точек к осмысленным плоскостям в породе

Преобразовать сырое облако точек в полезную информацию о трещинах непросто. Авторы объединили несколько математических инструментов для эффективной обработки. Сначала они применили метод главных компонент, чтобы для каждой точки определить ориентировку соседней поверхности и степень её кривизны. Точки рядом с острыми линиями пересечения трещин обычно имеют высокую кривизну, поэтому их отфильтровали, чтобы упростить данные. Затем они применили алгоритм кластеризации на основе плотности, который группирует близкие точки, лежащие на одной плоской участии, помечая изолированные точки как шум. Этот первый проход разбивает облако на множество мелких фрагментов, которые в целом следуют по отдельным поверхностям трещин.

Группировка семейств трещин и измерение их размеров

Далее команде нужно было сортировать эти многочисленные фрагменты в несколько основных «семейств» трещин с похожими направлениями. Они сделали это, рассматривая только ориентацию каждой маленькой пластинки и подавая эти данные в другую схему кластеризации, которая выделяет группы с общими тенденциями. Применив этот шаг к сокращённому набору репрезентативных точек вместо полного облака, они сократили время вычислений, сохранив при этом основные закономерности. Наконец, внутри каждого семейства они провели второй раунд кластеризации на основе плотности для восстановления целых отдельных трещин. Для каждой из них они оценили три ключевые величины: наклон и азимут, длину видимой проекции на откос и расстояние до соседних трещин. Сравнение с аккуратной ручной аппроксимацией в специализированном ПО показало, что автоматические измерения направлений трещин отличались на несколько градусов от оценок экспертов — достаточно точно для инженерных задач.

Проверка того, как трещины ослабляют откос

Исследователи затем задали вопрос, что означают полученные карты трещин для безопасности откоса. Используя измеренные направления, длины и расстояния, они построили статистическую модель трёхмерной сети трещин внутри горной массы. Эту сеть вставили в компьютерную модель реального откоса, основанную на поверхности, подогнанной к точечному облаку дрона, и провели расчёты поведения породы под собственным весом. Сравнивая модель с трещинами и идентичный, но незаражённый вариант, они обнаружили, что расколотая версия показывает большие, менее равномерные перемещения и сильную концентрацию напряжений вокруг трещин. Иными словами, трещины дробят массив на блоки, направляют силы вдоль предпочтительных путей и создают слабые зоны, где с большей вероятностью может начаться разрушение.

Быстрее цифровыми глазами — безопаснее откосы

Для неспециалистов главный вывод таков: дроны в сочетании с умной обработкой данных теперь могут быстро обследовать опасные скалы, не подвергая людей риску, и при этом выявлять тонкие схемы трещиноватости, определяющие будущие обвалы. Пример Пулан показывает, что новый метод может обрабатывать очень большие наборы данных гораздо быстрее старых подходов, при этом предоставляя измерения трещин, достаточно точные для использования в моделях устойчивости. Хотя густая растительность и некоторые упрощающие допущения по‑прежнему ограничивают видимое, этот рабочий процесс указывает путь к регулярным, воспроизводимым проверкам состояния скальных откосов над рудниками, автомагистралями и плотинами — с помощью летающих роботов и математики, которые замечают проблему раньше, чем это сделает сила тяжести.

Цитирование: 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

Ключевые слова: картирование дронами, устойчивость каменных откосов, 3D точечное облако, безопасность рудников, обнаружение трещин