Para resolver el problema de la segmentación de límites de imagen causado por la irregularidad de los campos de arroz en el sur de China, se propone un método de segmentación de alta precisión basado en el modelo MultiResUNet mejorado para el mapeo de campos de arroz, combinando las características de las escenas de campos de arroz. Introducimos el mecanismo de compuerta de atención (AG) al final de las conexiones de salto codificador-decodificador en el modelo MultiResUNet para generar los pesos y resaltar la respuesta del área de la cresta del campo, agregamos un módulo de pirámide espacial atrous (ASPP) después del final del muestreo descendente del codificador, utilizamos una combinación apropiada de tasas de expansión para mejorar la identificación de detalles de borde a pequeña escala, utilizamos convolución 1 x 1 para mejorar el rango del campo sensorial después de la interpolación bilineal para aumentar la precisión de la segmentación y, así, construir el modelo de segmentación de crestas de campos de arroz AM-UNet. Los resultados experimentales muestran que el IoU, precisión y valor F1 del modelo AM-UNet son del 88,74%, 93,45% y 93,95%, respectivamente, y que el tiempo de inferencia para una sola imagen es de 168ms, lo que permite una segmentación precisa y en tiempo real de las crestas de campo en un entorno de campo de arroz complejo. Por lo tanto, el modelo AM-UNet puede proporcionar soporte técnico para el desarrollo de sistemas de navegación automática basados en visión para máquinas agrícolas.