El algoritmo de red neuronal convolucional (CNN) en el aprendizaje profundo se ha aplicado ampliamente en la investigación de geología del petróleo tanto a nivel nacional como internacional. La segmentación automatizada y precisa de imágenes de secciones delgadas de rocas es fundamental para un análisis en profundidad. Sin embargo, los métodos de segmentación tradicionales para secciones delgadas de rocas de reservorio a menudo sufren de baja precisión y altos costos. Para abordar estos problemas, este artículo propone un nuevo algoritmo de segmentación basado en una red UNet mejorada, integrando redes residuales y el mecanismo de atención CBAM. Al incorporar módulos residuales, se expande la profundidad de la red, y el mecanismo de atención CBAM mejora la capacidad de ponderación de características durante el aprendizaje. Los resultados experimentales demuestran que este método supera a los enfoques tradicionales tanto en precisión de segmentación como en eficiencia, representando avances significativos en la segmentación de imágenes de secciones delgadas de rocas de reservorio.