Con el objetivo de determinar la segmentación de imágenes inexactas de fresas con diferentes niveles de madurez debido a la adherencia y apilamiento de frutas, este estudio propuso un método de segmentación de imágenes de fresas basado en el modelo mejorado DeepLabV3+. La técnica introdujo el mecanismo de atención en la red principal y el módulo de agrupamiento piramidal espacial atrous de la red DeepLabV3+, ajustó los pesos de los canales de características en el proceso de propagación de la red neuronal a través del mecanismo de atención para mejorar la información de características de las imágenes de fresas, redujo la interferencia de factores ambientales y mejoró la precisión de la segmentación de imágenes de fresas. Los resultados experimentales mostraron que el método propuesto puede segmentar con precisión imágenes de fresas con diferentes niveles de madurez; la precisión media de píxeles y la intersección media sobre la unión del modelo fueron del 90.9% y 83.05%, respectivamente, y los cuadros por segundo (FPS) fueron 7.67. El método puede reducir efectivamente la influencia de factores ambientales en la segmentación de imágenes de fresas y proporcionar un enfoque efectivo para la operación precisa de robots recolectores de fresas.