En este trabajo, proponemos un nuevo método de detección y segmentación de imágenes de grietas para abordar los problemas relacionados con la mala detección de estructuras de grietas en ciertas condiciones de fondo complejas, como la luz y la sombra, y los detalles que se pierden fácilmente en la segmentación. Este método se puede categorizar en dos fases, donde la primera es la fase de codificación. En esta fase, se ha introducido el mecanismo de atención de canal y las características de la grieta, utilizando el canal de correlación con diferentes escalas que aumentan la robustez de la red y la capacidad de extracción de características, para desacoplar la dimensión del canal y la dimensión espacial. También evita el subajuste causado por la redundancia de información durante la conexión salteada. En la segunda etapa, es decir, la etapa de decodificación, se ha introducido el mecanismo de atención espacial para capturar la información del borde de la grieta a través de la agrupación máxima global y la agrupación promedio global de las características de alta dimensión. Luego, se ha recuperado la correlación entre el espacio y el canal a través de la fusión de información de imagen multiescala para lograr una posicionamiento preciso de la grieta. Además, se ha empleado la función de pérdida de Dice para resolver el problema del desequilibrio de píxeles entre las categorías. Finalmente, el método propuesto ha sido probado y comparado con métodos existentes. Los resultados experimentales ilustran que nuestro método tiene una mayor precisión de segmentación de grietas que los métodos existentes. Además, la media de la intersección sobre la unión alcanza el 87.2% en el conjunto de datos público y el 83.9% en el conjunto de datos autoconstruido, y tiene un mejor efecto de segmentación y detalles más ricos. Puede resolver el problema de la detección y segmentación de imágenes de grietas en un fondo complejo.