Иркутский национальный исследовательский технический университет (Иркутск, Россия)

Друзь Р. А., аспирант, druz01@inbox.ru
Олзоев Б. Н., канд. геогр. наук, доцент

Осуществлена систематизация российских и зарубежных научных публикаций за 2019–2026 гг. по применению нейронных сетей и методов машинного обучения в маркшейдерском деле. Отмечена применимость нейронных сетей в шести ключевых направлениях. Установлено, что задача автоматического выделения бровок уступов остается наименее решенной и представляет наибольший научный задел для исследований в области камеральной обработки данных съемки карьеров.

1. Цифровая революция под землей: беспилотные самосвалы и искусственный интеллект в российских шахтах // Добывающая промышленность. 2025. № 6. С. 46–50.
2. О системе управления реализацией национальной программы «Цифровая экономика Российской Федерации» : утв. Постановлением Правительства Российской Федерации от 02.03.2019 № 234. URL: http://government.ru/docs/35964/ (дата обращения: 25.04.2026).
3. Национальный проект «Экономика данных и цифровая трансформация государства» / Правительство Российской Федерации. URL: http://government.ru/rugovclassifier/923/about/ (дата обращения: 04.04.2026).
4. О включении федерального проекта «Искусственный интеллект» в национальный проект «Экономика данных» : информационное сообщение / Федеральная служба по надзору в сфере транспорта. URL: https://rostransnadzor.gov.ru/news/5950 (дата обращения: 20.04.2026).
5. Эффективные отечественные практики применения технологий искусственного интеллекта в сфере топливно-энергетического комплекса / АНО «Цифровая экономика», 2024. – 116 с.
6. Цифровизация горнодобывающей промышленности – 2024: мечты и реальность // Добывающая промышленность. 2024. № 4. С. 24–30.
7. АНО «Цифровая экономика» подвела аналитические итоги года / АНО «Цифровая экономика», 2024. URL: https://d-economy.ru/news/anocifrovaja-jekonomika-podvela-analiticheskie-itogi-goda-2/ (дата обращения: 28.04.2026).
8. Himmy O., Nguyen T. T., Vazhacharickal P. J., Buerkert A. Monitoring of granite quarries using deep learning and UAV photogrammetry in Bengaluru, India // PLoS One. 2025. Vol. 20(11). ID e0334493.
9. Balaska V., Papapetros I. T., Oikonomou K. M., Bampis L., Gasteratos A. UAV Object Detection and Positioning in a Mining Industrial Metaverse with Custom Geo-Referenced Data // Journal of Latex Class Files. 2025. Vol. 14. No. 8. DOI: 10.48550/arXiv.2506.13505
10. Cui P., Meng X., Zhang W. Step feature line extraction from large-scale point clouds of open-pit mine based on structural characteristics // Scientific Reports. 2024. Vol. 14. DOI: 10.1038/s41598-024-69368-6
11. Beretta F., Rodrigues Á. L., Peroni R. de L., Costa J. F. C. L. Using UAV for automatic lithological classification of open pit mining front // REM – International Engineering Journal. 2019. Vol. 72(1). P. 17–23.
12. Weidner L., Walton G. Generalized Extraction of Bolts, Mesh, and Rock in Tunnel Point Clouds: A Critical Comparison of Geometric Feature-Based Methods Using Random Forest and Neural Networks // Remote Sensing. 2024. Vol. 16. Iss. 23. ID 4466.
13. Hosseinzadeh H., Nowrouzi G., Rafieenia E. Prediction of slope stability in open-pit mines using intelligent algorithms: SVM and RF optimized by genetic algorithm // Journal of Geomine. 2025. Vol. 3. No. 2. P. 106–116.
14. Frainz G., Pedrosa H. Artificial Neural Network-Based Optimization of Open Pit Design in Iron Mining // Proceedings of the 3rd Workshop on the Future of Machine Learning in Geotechnics. – Florence, 2025.
15. Deng T., He J., Sun J., Peng S., Pang X. et al. Intelligent optimization of slope step parameters in open pit mines containing weak interbedded layers based on machine learning and multi-objective optimization methods // Frontiers in Earth Science. 2025. Vol. 13. ID 1666375.
16. Li M., Ding K., Pang L., Shu Y., Qu Y. Deformation Monitoring and Prediction of Open-pit Mine Slope Based on GBInSAR Technology and LSTM Neural Network // ISPRS Annals of the Photogrammetry Remote Sensing and Spatial Information Sciences. 2026. Vol. X-3/W3-2025. P. 173–178.
17. Letshwiti T. M., Shahsavar M., Moniri-Morad A., Sattarvand J. Deep learningbased image segmentation for highwall stability monitoring in open pit mines // Journal of Engineering Research. 2025. Vol. 13. Iss. 4. P. 3595–3608.
18. Меллер А. Д., Галиева Р. Р., Кулешова А. В., Петросян А. К., Глатко С. А. Мониторинг деформаций перегонных туннелей метрополитена с применением нейросетевого подхода // Горная промышленность. 2025. № 2. С. 163–166.
19. Rizaldy A., Afifi A. J., Ghamisi P., Gloaguen R. Improving Mineral Classification Using Multimodal Hyperspectral Point Cloud Data and Multi-Stream Neural Network // Remote Sensing. 2024. Vol. 16. Iss. 13. ID 2336.
20. AI in the Mining Industry: From Ore to Optimization / Ultralytics. URL: https://www.ultralytics.com/ru/blog/ai-in-the-mining-industry-from-ore-tooptimization (дата обращения: 28.04.2026).
21. Kumah F. N., Saim A. K., Oppong M. N., Arthur C. K. Predicting open-pit mine production using machine learning techniques // Journal of Sustainable Mining. 2024. Vol. 23. No. 2. P. 118–131.