煤矿在开采过程中需要将地下煤炭资源开采运出,伴随着煤炭矿石等资源在开采作业时不断向外输送,会在地下形成采空区。开采结束后,长时间不对采空区进行维护会造成塌陷,形成地表积水,塌陷严重的区域会在地表形成裂缝,严重危害生态环境,农田无法耕种;严重破坏地表生态环境和深林植被,还会加剧水土流失。为了解决这些问题,从地表着手治理采空区,识别采空区域地质裂缝则显得尤为重要。煤矿采空区一般处于偏远山区丘陵地带,山地自然环境复杂,传统的人工检测方法费时费力,而且存在危险性。因此,本文采用无人机技术结合计算机视觉技术,实现对煤矿采空区地质裂缝的识别;同时,构建采空区裂缝检测与数据管理系统,为裂缝治理提供依据和保障。研究工作如下:（1）提出基于路径增强卷积网络的采空区地质裂缝检测方法煤矿采空区地裂缝具有狭长特性,且位处偏远的山区,周边环境复杂,导致无人机所采集的图像包含较多的噪声。此外,图像尺寸较大,但裂缝所占比例小,随着降采样和卷积操作感受野越来越大,对于小目标信息丢失较多,影响检测性能。针对上述问题,本文融合非局部模块和通道注意力,构建混合域注意力机制,从而获取全局上下文信息,得到包含更多细节信息的特征图;通过路径增强更快地融合高层次和低层次特征图信息,从而增强网络特征,将网络的注意力集中在特征图的裂缝区域,使得网络的识别性能得到明显的提升,实现煤矿采空区地裂缝精确检测。经对比实验与消融实验分析可得,文中所构建的地质裂缝检测网络相较于目前比较流行的目标检测网络检测精度有较为明显的提升。（2）提出一种采空区地质裂缝图像语义分割方法前文构建的地质裂缝检测网络已经可以得到地质裂缝的位置信息,但是在治理采空区域过程中只有位置信息远远不够,还需要知道地质裂缝的长度、宽度与形状等特性,所以本章构建了一种采空区域地质裂缝识别的语义分割方法,使识别结果可以具体到图像中的每一个像素位置。考虑到采集获得的图像数据包含较多噪声,且裂缝区域只占采空区图像的局部,本文提出一种采空区地质裂缝图像语义分割方法。经过预处理后的采集图像,构建以ResNet-101网络为作为骨干网络特征提取网络,并在网络各阶段采用不同尺度输入图像,增强所提取的特征;构建基于注意力机制的特征融合模块融合各阶段特征,并利用全局注意力模块增强全局信息,获取远程依赖关系;基于上述特征,通过分类器生成语义图,完成图像的语义分割。实验结果表明本文所提方法具有较好的识别精度,敏感性分析表明各个模块是有效的,能够改善图像分割效果。（3）构建采空区地质裂缝检测与数据管理系统为便于工作人员查看采空区的地质裂缝数据。本文构建了一个煤矿采空区裂缝无人机检测与数据管理系统。系统包括数据采集系统和数据管理系统,用于采集采空区图像数据的部分被称为数据采集,用于图像数据的处理以及管理采集图像和检测结果的软件部分被称为数据管理,进一步地图标记对获得的裂缝信息,按照经纬度定位标记到地图,便于查看和导航。本文实现了对煤矿采空区地质裂缝的识别,并构建了裂缝检测与导航系统,提高了采空区域的治理效率,对于治理具有一定指导意义。论文有45幅图,8个表,103篇参考文献。