La segmentación semántica precisa de manchas de enfermedades es crucial en la evaluación y tratamiento del daño en las hojas de pepino. Para resolver el problema de la baja precisión de segmentación causada por la fusión desequilibrada de características de SegFormer, se propone el SegFormer de Atención de Canal Eficiente (ECA-SegFormer) para manejar la segmentación semántica de manchas de enfermedades en hojas de pepino bajo condiciones de adquisición natural. Primero, se modifica el decodificador de SegFormer insertando la Atención de Canal Eficiente y adoptando la Red de Pirámide de Características para aumentar la robustez de escala de la representación de características. Luego, se construye un conjunto de datos de enfermedades en hojas de pepino con 1558 imágenes recolectadas de la base experimental de vegetales al aire libre, incluyendo mildiu, oídio, mancha foliar objetivo y mancha foliar angular. Probado en el conjunto de datos, la Precisión Media de Píxeles de ECA-SegFormer es del 38.03%, y la Intersección Media sobre Unión es del 60.86%, lo que es un 14.55% y un 1.47% más alto que SegFormer, respectivamente. Estos hallazgos demuestran la superioridad de ECA-SegFormer sobre el SegFormer original, ofreciendo una mayor idoneidad para la segmentación precisa de manchas de enfermedades en hojas de pepino en el entorno natural.