En aplicaciones prácticas, la claridad de las imágenes de diales analógicos a menudo se ve comprometida debido a factores como las condiciones de iluminación, lo que lleva a una baja precisión y una mala segmentación de las escalas y punteros del dial. Esto resulta en resultados de segmentación que no cumplen con los requisitos en tiempo real de los sistemas de inspección de subestaciones. Para abordar estos desafíos, proponemos un algoritmo de segmentación U-Net mejorado. La innovación clave de nuestro enfoque es la inserción de un módulo de conexión de salto de capa entre el Codificador y el Decodificador para capturar información de características a través de múltiples escalas, mejorando la expresividad semántica y optimizando la fusión de características. Además, reemplazamos las operaciones de convolución tradicionales con convolución por wavelet, lo que mejora la capacidad de la red para capturar información de baja frecuencia, esencial para comprender la estructura general del dial. También se incorpora un mecanismo de atención adaptativa en la etapa de aumento de la red, lo que permite al modelo centrarse dinámicamente en características salientes, mejorando aún más la generalización. Estas mejoras permiten a la red detectar con mayor precisión las regiones objetivo dentro de las imágenes de los diales, mejorando significativamente la precisión y robustez de la segmentación. Los resultados experimentales demuestran que el método propuesto supera a los modelos U-Net tradicionales en tareas de segmentación, logrando una precisión superior en la segmentación de escalas y punteros, abordando eficazmente los problemas de baja precisión y mala segmentación, y haciéndolo adecuado para sistemas de inspección de subestaciones en tiempo real.