Como uno de los principales desastres que limitan la formación del rendimiento de trigo y afectan la calidad del trigo, el encamado representa una gran amenaza para la producción segura. Por lo tanto, se aplicó un PSPNet mejorado (Red de Análisis de Escenas Piramidales) integrando el Módulo de Atención Basado en Normalización (NAM) (NAM-PSPNet) a las imágenes RGB de alta definición de UAV de áreas de encamado de trigo en la etapa de llenado de grano y etapa de madurez con una altura de 20 m y 40 m. Primero, basado en la red PSPNet, se utilizó la red neuronal liviana MobileNetV2 para reemplazar a ResNet como red de extracción de características. Se utilizó la convolución separable profunda para reemplazar la convolución estándar y así reducir la cantidad de parámetros del modelo y cálculos y luego mejorar la velocidad de extracción. En segundo lugar, se construyó una estructura de pirámide de piscina de características multidimensionales para obtener características más detalladas de las imágenes de UAV y mejorar la precisión. Luego, el mapa de características extraído fue procesado por el NAM para identificar las características menos significativas y comprimir el modelo para reducir el cálculo. Se seleccionaron U-Net, SegNet y DeepLabv3+ como modelos de comparación. Los resultados muestran que el efecto de extracción en la altura de 20 m y la etapa de madurez es el mejor. Para el NAM-PSPNet, la MPA (Precisión Media de Píxeles), MIoU (Intersección Media sobre Unión), Precisión, Exactitud y Recuerdo son, respectivamente, 89.32%, 89.32%, 94.95%, 94.30% y 95.43%, que son significativamente mejores que los modelos de comparación. Se concluye que NAM-PSPNet tiene un mejor rendimiento de extracción para las áreas de encamado de trigo, lo que puede proporcionar la base para la estimación de la severidad, evaluación de la pérdida de rendimiento, operaciones agrícolas, etc.