El problema de la segmentación de imágenes de arroz pulido pequeño y multiobjetivo siempre ha sido de importancia y dificultad en el campo de la segmentación de imágenes. En la detección de calidad de apariencia del arroz pulido, la segmentación de imágenes es una parte crucial, afectando directamente los resultados de los indicadores fisicoquímicos posteriores. Para evitar la detección de fugas e inexactitudes en la segmentación de imágenes que califican el arroz pulido, este documento propone un nuevo método de segmentación de imágenes (YO-LACTS), combinando YOLOv5 con YOLACT. Probamos la red de detección de objetos basada en YOLOv5, para extraer Regiones de Interés (RoI) de toda la imagen del arroz pulido, con el fin de reducir la complejidad de la imagen y maximizar la diferencia de características del objetivo. Refinamos la segmentación de la imagen RoI mediante el establecimiento de la red de segmentación de instancias YOLACT, y finalmente obtuvimos el resultado fusionando la RoI. En comparación con otros algoritmos basados en conjuntos de datos de arroz pulido, este método construido demostró presentar la segmentación de imágenes, permitiendo a los investigadores evaluar el arroz pulido satisfactoriamente.