Este estudio aborda los desafíos relacionados con la segmentación imprecisa de bordes y la baja precisión del punto central, especialmente cuando los hongos están fuertemente ocultos o deformados dentro de grupos densos. Se propone un algoritmo de segmentación de contorno de hongos de alta precisión que se basa en el mejorado SOLOv2, junto con un método de reconstrucción de contornos que utiliza máscaras de segmentación de instancias. El algoritmo de segmentación mejorado, PR-SOLOv2, incorpora el módulo PointRend durante la etapa de aumento de muestreo, introduciendo características finas y mejorando los detalles de segmentación. Esto aborda la dificultad de segmentar con precisión hongos superpuestos densamente. Además, se presenta un método de reconstrucción de contornos basado en la máscara de segmentación de instancias PR-SOLOv2. Este enfoque segmenta con precisión los hongos, extrae máscaras de hongos individuales y sus datos de contorno, y clasifica los contornos de reconstrucción según la curvatura y longitud promedio. Los contornos regulares se ajustan utilizando elipses de mínimos cuadrados, mientras que los irregulares se reconstruyen extrayendo el subcontorno más largo del contorno irregular original basado en sus esquinas. Los resultados experimentales demuestran una fuerte generalización y un rendimiento superior en la segmentación y reconstrucción de contornos, especialmente para hongos densamente agrupados en entornos complejos. El enfoque propuesto logra una precisión de segmentación del 93.04% y una tasa de segmentación exitosa del 98.13%, superando a Mask RCNN y YOLACT en aproximadamente un 10%. La precisión de posicionamiento del punto central de los hongos es del 0.3%. Este método cumple mejor con los altos requisitos de posicionamiento para la recolección eficiente y no destructiva de hongos densamente agrupados.