Se propone un nuevo método de mantenimiento interactivo para dispositivos en órbita de la estación espacial utilizando tecnología de segmentación semántica de escenas. Primero, se diseña un sistema portátil y de mano para capturar imágenes del astronauta en la escena de vista frontal de la estación espacial y reproducir estas imágenes en un terminal de mano en tiempo real. En segundo lugar, el sistema propuesto evalúa cuantitativamente la condición de iluminación ambiental en la escena al calcular parámetros de evaluación de calidad de imagen. Si la condición de iluminación no es adecuada, se enviará un mensaje de aviso al astronauta para recordarle que ajuste la iluminación del entorno. En tercer lugar, nuestro sistema adopta una red DeepLabV3+ mejorada para la segmentación semántica de estas imágenes de la escena de vista frontal de los astronautas. En cuanto a la red mejorada, la red base original se reemplaza por una red neuronal convolucional ligera, es decir, la MobileNetV2, con una escala de modelo y complejidad computacional más pequeñas. Se introduce el módulo de atención de bloque convolucional (CBAM) para mejorar la capacidad de percepción de características de la red. También se considera el módulo de agrupamiento espacial atrous (ASPP) para permitir un cálculo preciso de la codificación de información a múltiples escalas. Los resultados de extensos experimentos de simulación indican que la precisión, exactitud y promedio de intersección sobre la unión del algoritmo propuesto pueden ser mejores que 95.0%, 96.0% y 89.0%, respectivamente. Y los experimentos de aplicación en tierra también han demostrado que nuestra técnica propuesta puede acortar efectivamente el tiempo de trabajo del usuario del sistema.