为满足对目标表型提取的需求，在原U-Net模型的基础上，对下采样部分使用在imagenet网络预训练权重的VGG-16网络，并在部分编码器进行了SEnet模块，进而提取了重要信息，抑制非重要信息，并且讨论了超参数r的取值对改进模型的性能指标影响，从而构建了本文改进的U-Net模型，该模型在测试数据集上的平均交并比为89.59%，平均像素精度为94.17%，相对于传统的U-Net模型性能有所提高，可以满足对冬季枝剪树木图像分割的要求，本文方法可以完成对冬季枝剪树木前景的提取。后续可以在时间序列上进行数据集的扩充，进一步提高模型的性能，可以通过分割二维图像进行骨架提取找到修剪点并且映射到三维中提取三维坐标，进而通过机械臂去执行该三维坐标点进行作业，因此可以为实现自动化修剪坐下铺垫基础。