Las lesiones por quemaduras representan una amenaza significativa para la vida humana, con altas tasas de morbilidad y mortalidad. El diagnóstico preciso, incluida la evaluación del área y la profundidad de la quemadura, es esencial para un tratamiento efectivo y a veces puede ser salvavidas. Sin embargo, el acceso a profesionales médicos especializados a menudo es limitado, especialmente en regiones remotas o desatendidas. Para abordar este desafío y aliviar la carga de los proveedores de atención médica, los investigadores están investigando herramientas de diagnóstico automatizadas. La gravedad de la quemadura y el área de superficie corporal afectada son factores críticos en el diagnóstico. Desde una perspectiva de visión por computadora, esto requiere la segmentación semántica de imágenes de quemaduras para evaluar el área afectada y determinar la gravedad de la quemadura. En colaboración con el personal médico, hemos recopilado un conjunto de datos de imágenes in situ de un hospital infantil local anotado por cirujanos especialistas en quemaduras. Sin embargo, debido a la cantidad limitada de datos, proponemos un enfoque de aumento en dos pasos: entrenamiento con imágenes de quemaduras sintéticas y controlando el codificador mediante la preservación del ambiente. Esta última es una técnica que obliga al codificador a representar de cerca los incrustamientos de imágenes que son similares y es una contribución clave de este documento. El método se evalúa en la base de datos BAMSI, demostrando que los aumentos propuestos conducen a un mejor rendimiento en comparación con líneas de base sólidas y otras posibles mejoras algorítmicas.