La amplia gama y alta intensidad de deslizamientos de tierra en el área minera representan una gran amenaza para la seguridad de la vida humana y la propiedad. Es particularmente importante identificarlos y monitorearlos. Sin embargo, debido al grave daño superficial, la pequeña escala de los deslizamientos, el complejo trasfondo y otros factores en el área minera, es imposible identificar y detectar con precisión el deslizamiento en el área minera. Es necesario seleccionar un modelo de detección eficiente para detectarlo. En este documento, con el objetivo de abordar el problema de identificación de deslizamientos en el área minera, se obtiene la imagen de teledetección del área minera mediante un vehículo aéreo no tripulado (VANT), y se construye el conjunto de datos de deslizamientos del área minera mediante un método de mejora de datos. Se propone un algoritmo YOLOv8 mejorado. Al agregar un mecanismo de atención mixta en las dimensiones de canal y espacial, se mejora la precisión de detección del modelo para deslizamientos mineros, y se completa con éxito el monitoreo de los cambios de deslizamiento en el área minera. Al mismo tiempo, se propone un algoritmo para localizar la posición del deslizamiento. A través de este algoritmo, las coordenadas de píxeles del deslizamiento detectado pueden convertirse en coordenadas geodésicas. Los resultados muestran que el algoritmo YOLOv8 mejorado propuesto en este documento tiene una precisión de reconocimiento del 93.10% para deslizamientos en el área minera. En comparación con el mAP@0.5 del algoritmo YOLOv8 original y el algoritmo YOLOv5, el algoritmo YOLOv8 mejorado tiene un aumento del 4.2% y 5.1%. Este estudio ha logrado el monitoreo y la localización del deslizamiento en el área minera, lo que puede proporcionar el apoyo de datos necesario para la restauración ecológica en el área minera.