煤矿高强度开采易引起地表沉陷和地裂缝等灾害，损伤地表生态，甚至诱发遗煤自燃，威胁煤矿安全生产。西部矿区土地荒漠化严重，部分矿区地表覆盖风积沙，地表采动裂缝易被风积沙掩盖，常规监测方法难于识别采动地表浅层隐蔽裂缝。为探究采动地表浅层隐蔽裂缝识别的可行性，提出了基于无人机红外识别采动地表浅层隐蔽裂缝的方法。以神东矿区大柳塔煤矿52605工作面为工程背景，对工作面上方一地表采动裂缝设计不同埋深的隐蔽裂缝并于夜间进行连续监测，获取了不同时刻的红外图像，并对不同时刻红外图像中隐蔽裂缝、风积沙、植被的温度信息进行了提取和分析。研究结果表明：基于无人机搭载红外相机可有效识别采动地表浅层隐蔽裂缝且不同时刻可识别的埋深不同，隐蔽裂缝与周围地物温差越大，其越易于被识别。隐蔽裂缝温度在采动裂缝导热和环境温度共同作用下不同于周边地物的温度，且与埋深深度相关性较强。本文研究条件下，21:00 pm至5:00 am，隐蔽裂缝温度、地表采动裂缝温度、风积沙温度、植被温度不断下降。1:00 am至5:00 am期间，不同埋深隐蔽裂缝与风积沙的绝对温差均≥1.2 ℃、与植被的绝对温差均≥2.1 ℃，绝对温差较大，此期间易于识别隐蔽裂缝。而21:00 pm时，埋深15 cm、20 cm、30 cm隐蔽裂缝与风积沙的绝对温差分别为0.8 ℃、0.6 ℃、0.8 ℃；23:00 pm时，埋深20 cm隐蔽裂缝与风积沙的绝对温差为0.7 ℃，温差绝对值相对较小；因此，21:00 pm、23:00 pm时上述埋深的隐蔽裂缝难于识别。