为解决现有诊断方法难以捕捉矿山土壤质量的长期变化规律、复垦效果评估滞后、土壤质量诊断结果缺乏可解释性等问题,提出了一个基于Swin-Unet与梯度加权类激活映射(Grad-CAM)可视化技术的改进矿山复垦土壤质量动态诊断模型(IPSSUG模型).该模型通过Swin-Unet提取土壤图像原始特征,借助挤压和激励网络模块抑制噪声并突出关键特征;同时采用剪枝算法优化模型结构,降低计算复杂度;最后利用梯度加权类激活映射提高诊断结果的可解释性. 试验结果表明,PSSU 模型土壤质量诊断的准确率和精确率分别为96.11％、97.63％;IPSSUG模型识别速效钾含量的决定系数为0.983,土壤污染区域的识别率为98.40％,试验数据均优于对比模型,充分证明了该模型的可行性与优越性.此外,通过IPSSUG模型量化了主要影响因素与土壤质量指标的关联程度,提高了土壤质量诊断结果的可靠性,为矿山复垦土壤质量诊断研究提供了新方法.