矿山开采引起的地表裂缝对煤矿安全生产造成严重影响，利用无人机影像识别采煤沉陷区裂缝发育特征具有实用价值。目前广泛应用于目标识别的深度学习模型YOLOv7仍不适用采动地表裂缝等小目标的特征提取。提出一种改进的YOLOv7采动裂缝智能化识别模型，通过在模型主干网络中添加GAM全局注意力机制，减少图像卷积过程中特征信息的丢失；同时，引入深度可分离卷积代替主干网络中的普通卷积，使得图像特征图尺寸减半，而卷积过程中并不会造成特征缺失，进一步采用GIOU＿Loss对网络边界框损失函数进行改进，提升了模型的小目标识别能力，实验中使用LabelImg图像标注软件制作包含2 143张5 472×3 648pixels的采动裂缝识别训练数据集，对沉陷区无人机影像进行初处理构建DOM后，使用640×640的滑动窗口裁剪DOM，对裁剪后的DOM进行特征识别。结果表明：改进后的YOLOv7模型对于密集、细小、植被覆盖三类裂缝图像的识别效果和漏检情况得到明显改善，平均准确度(mAP)达到0.84，该模型可应用于智慧矿山中数字图像的特征识别。