Actualmente, el análisis de la imagen microscópica de la sección transversal de la fibra de algodón es la forma más precisa y efectiva de medir su grado de madurez y luego evaluar la calidad de las muestras de algodón. Sin embargo, los métodos existentes no pueden extraer el borde de la sección transversal de manera intacta, lo que afectará la precisión de la medición del grado de madurez. En este artículo, se propone un nuevo algoritmo de detección de bordes basado en la red neuronal convolucional RCF. Para el conjunto de datos de imágenes microscópicas de la sección transversal de la fibra de algodón construido en este trabajo, se utilizó primero el RCF para extraer el borde de la sección transversal de la fibra de algodón en la imagen. Después de analizar las imágenes de salida del RCF en cada etapa de convolución, se extraen las siguientes dos conclusiones: (1) las capas superficiales contienen mucha información importante sobre los bordes de la sección transversal de la fibra de algodón; (2) debido a que el tamaño de la sección transversal de la fibra de algodón en la imagen es relativamente pequeño y el campo receptivo de la capa convolucional aumenta gradualmente con el aumento del número de capas, la información de los bordes detectada por las capas más profundas se vuelve cada vez más gruesa. En vista de los dos puntos anteriores, se proponen las siguientes mejoras en este artículo: (1) modificar el modelo de supervisión de la red y la estructura de cálculo de la pérdida; (2) se elimina la convolución dilatada en las capas más profundas; por lo tanto, el campo receptivo en las capas más profundas se reduce para adaptarse a la detección de objetos pequeños. Los resultados experimentales muestran que el método propuesto puede mejorar efectivamente la precisión de la extracción de bordes de la sección transversal de la fibra de algodón.