Ovaj rad istražuje primjenu zračnog LiDAR-a za praćenje nasipa, posebno važnih u Hrvatskoj zbog niske nadmorske visine i čestih poplava uz velike rijeke poput Save, Drave i Dunava. Zračni LiDAR omogućuje precizno mapiranje i praćenje topografskih promjena na nasipima, kao što su erozije, klizišta i pukotine, koje mogu predstavljati potencijalne probleme. Kombinacija LiDAR tehnologije i strojnog učenja nudi značajnu prednost u praćenju nasipa, omogućavajući kontinuirano i precizno praćenje. Ovaj pristup doprinosi boljoj zaštiti od poplava, smanjujući rizik od materijalne štete i gubitaka života, te pomaže u održavanju sigurnosti i stabilnosti nasipa u kritičnim područjima.. Za prikupljanje podataka u ovom radu korišten je zračni LiDAR, a podaci su obrađeni u softveru MicroStation, gdje su nasipi ručno izdvojeni iz oblaka točaka. Nakon toga, podaci su analizirani pomoću različitih metoda strojnog učenja, uključujući slučajne šume, XGBoost, metodu potpornih vektora i logičku regresiju. Osim ovih metoda, korištene su i dvije metode dubokog učenja: osnovna neuronska mreža i konvolucijska neuronska mreža. Cilj ovog pristupa je omogućiti automatizaciju procesa detekcije nasipa, smanjujući potrebu za ručnom analizom i povećavajući efikasnost i točnost u otkrivanju potencijalnih problema. Primjenom strojnog učenja mogu se automatski detektirati obrasci i anomalije u velikim skupovima LiDAR podataka, što omogućava brže prepoznavanje problema na nasipima.