Dadas las dificultades encontradas por las cámaras industriales, como la aleatoriedad de los componentes del sensor, la dispersión y la polarización causadas por defectos ópticos, factores ambientales y otras variables, el ruido resultante dificulta el reconocimiento de imágenes y conduce a errores en el procesamiento de imágenes subsiguiente. En este estudio, proponemos un método de reducción de ruido de imagen RAW basado en BlockwiseUNet. Al habilitar la extracción y fusión de características locales, este enfoque mejora la capacidad de la red para capturar y suprimir el ruido en múltiples escalas. Realizamos experimentos extensos en el conjunto de datos de referencia SIDD (Smartphone Image Denoising Dataset), y el valor de PSNR/SSIM alcanzó 51.25/0.992, lo que supera a los métodos de reducción de ruido actuales más populares. Además, nuestro método demuestra robustez a diferentes niveles de ruido y exhibe un buen rendimiento de generalización en varios conjuntos de datos. Además, nuestro enfoque propuesto también presenta ciertas ventajas en el conjunto de datos de referencia DND (Darmstadt Noise Dataset).