La extracción precisa de huertos de manzanos a gran escala a partir de imágenes de teledetección es importante para la gestión de huertos. La mayoría de los estudios carecen de mapas de huertos de manzanos a gran escala y alta resolución debido a la distribución dispersa de huertos y cultivos similares, lo que dificulta la cartografía. Utilizando información fenológica e imágenes seleccionadas de forma multitemporal, este documento propuso un método de cartografía de huertos de manzanos a gran escala basado en el modelo AOCF-SegNet. Primero, para distinguir las manzanas de otros cultivos, se utilizó información fenológica para dividir los períodos de tiempo y seleccionar fases óptimas para cada característica espectral, obteniendo así características espectrales que integran información fenológica y temporal. En segundo lugar, se compararon modelos de segmentación semántica (FCN-8s, SegNet, U-Net) y se eligió SegNet como modelo base para la identificación de huertos de manzanos. Finalmente, para abordar el problema de la baja proporción de huertos de manzanos en imágenes de teledetección, se integraron un Módulo de Atención de Bloque Convolucional (CBAM) y una función de Pérdida Focal en el modelo SegNet, seguido de una optimización de hiperparámetros, lo que resultó en AOCF-SegNet. Los resultados de la cartografía de los huertos de manzanos de Yantai indican que AOCF-SegNet logró un fuerte rendimiento de segmentación, con una precisión general del 89.34%. En comparación con los modelos SegNet, U-Net y FCN-8s, AOCF-SegNet logró una mejora en la precisión general del 3%, 6.1% y 9.6%, respectivamente. El área de huertos predicha mostró una consistencia de área aproximada del 71.97% con las estadísticas oficiales.