Este estudio utiliza imágenes de teledetección multiespectral de UAV para llevar a cabo una investigación de clasificación de objetos terrestres en escenas de campos de trigo complejos con diversas variedades. Comparadas con la teledetección satelital, las imágenes de teledetección de alta resolución espacial obtenidas por UAV a bajas altitudes son ricas en información detallada. Además, diferentes variedades de trigo tienen diferentes características, lo que facilita la clasificación incorrecta de categorías en el proceso de segmentación semántica, lo que reduce la precisión de la clasificación y afecta el efecto de clasificación del objeto terrestre. Para mejorar efectivamente la precisión de clasificación de objetos terrestres en escenas de campos de trigo complejos, se proponen dos Multi-Scale U-Nets basadas en fusión de características a múltiples escalas. Multi-Scale U-Net1 es un modelo de red que agrega un bloque de fusión de características a múltiples escalas en el proceso de copia entre la codificación y decodificación de U-Net. Multi-Scale U-Net2 es un modelo de red que agrega un bloque de fusión de características a múltiples escalas antes de que U-Net introduzca una imagen. En primer lugar, se seleccionó el área de siembra de trigo del Instituto de Agricultura de Ahorro de Agua en Áreas Áridas de China (IWSA), de la Universidad del Noroeste A&F, como área de investigación. El área de investigación estaba plantada con una variedad de trigo con varios tipos de características, y algunas características eran bastante diferentes entre sí. Luego, se obtuvieron imágenes de teledetección multiespectral de diferentes altas resoluciones espaciales en el área de estudio mediante UAV y se transformaron en un conjunto de datos para el entrenamiento, validación y prueba de los modelos de red. Los resultados de la investigación mostraron que la precisión general (OA) de las dos Multi-Scale U-Nets alcanzó el 94,97% y el 95,26%, respectivamente. En comparación con U-Net, pueden completar la clasificación de objetos terrestres en escenas de campos de trigo complejos con mayor precisión. Además, también se encontró que dentro del rango efectivo, con la reducción de la resolución espacial de las imágenes de teledetección, la clasificación de objetos terrestres es mejor.