La programación efectiva de múltiples máquinas agrícolas en situaciones de emergencia puede reducir las pérdidas de cultivos en gran medida. En este documento, se diseña una programación cooperativa basada en el aprendizaje profundo por refuerzo para múltiples máquinas agrícolas con plazos para minimizar el tiempo total de ejecución. Con los caminos de transferencia asimétricos entre los campos agrícolas, el problema de programación de maquinaria agrícola en situaciones de emergencia se modela como un problema asimétrico de múltiples vendedores viajeros con ventanas de tiempo (AMTSPTW). Con la estructura popular codificador-decodificador, se diseña una fusión de características heterogéneas en la atención del codificador para integrar las ventanas de tiempo y los caminos de transferencia asimétricos para una extracción de características más completa y mejor. Mientras tanto, se propone un mecanismo de máscara de segmentación de ruta en el decodificador para dividir las soluciones eficientemente mediante la adición de depósitos virtuales para asignar trabajo a cada maquinaria agrícola. Los resultados experimentales muestran que nuestra propuesta supera a las líneas de base modificadas existentes para el problema estudiado. Especialmente, las medidas de la proporción de cálculo y el tiempo total de ejecución se mejoran en un 26,7% y un 21,9% en promedio, respectivamente. El tiempo de cálculo de nuestra estrategia propuesta tiene una mejora significativa en comparación con estas comparaciones. Mientras tanto, nuestra estrategia tiene una mejor generalización para problemas más grandes.