En un entorno de huerto con un fondo complejo y condiciones de luz cambiantes, el tallo, la fruta, las ramas y las hojas del plátano son muy similares en color. La detección y segmentación rápida y precisa de un tallo de plátano son cruciales para realizar la recolección automática utilizando un robot de recolección de plátanos. En este documento, se propone un método de segmentación de tallos de plátano basado en una red neuronal profunda de fusión de múltiples características (MFN) ligera. La red propuesta se compone principalmente de redes de codificación y decodificación, en las que se adopta el diseño de cuello de botella en forma de reloj de arena para aliviar la pérdida de información en alta dimensión. En la red de decodificación, se utiliza un núcleo de convolución dilatada de diferentes tamaños para la operación de convolución, con el fin de hacer que las características del tallo de plátano extraídas sean más densas. La red propuesta se verifica mediante experimentos. En los experimentos, se utilizan la precisión de detección, la precisión de segmentación, el número de parámetros, la eficiencia operativa y el tiempo de ejecución promedio como métricas de evaluación, y la red propuesta se compara con Resnet_Segnet, Mobilenet_Segnet y algunas otras redes. Los resultados experimentales muestran que, en comparación con otras redes, el número de parámetros de la red propuesta se reduce significativamente, se mejora la tasa de fotogramas de ejecución y se acorta el tiempo de ejecución promedio.