Debido a la baja visibilidad en entornos con niebla que dificulta el reconocimiento de objetos en las calles y la lentitud en la segmentación, se propone un algoritmo de segmentación semántica de escenas urbanas en niebla que fusiona el aprendizaje contrastivo auto supervisado. El algoritmo selecciona la red ligera MobileNetV2 como red principal, diseña un módulo de agrupación espacial piramidal dilatada profunda, y utiliza convoluciones separables profundas con coeficiente de dilatación en lugar de convoluciones ordinarias para enriquecer la diversidad de características. Luego, mediante la fusión del marco de aprendizaje contrastivo, se aumenta la similitud entre píxeles semánticamente similares y se mantiene la distancia entre píxeles con diferentes semánticas, mejorando la capacidad del modelo para expresar y diferenciar los bordes de detalles de pequeños objetos. Finalmente, se propone una nueva función de pérdida fusionada, que combina el aprendizaje supervisado y auto supervisado para guiar conjuntamente el entrenamiento de la red y aprender representaciones profundas de características. Los resultados experimentales muestran que el modelo alcanza un índice medio de intersección sobre unión del 74,35% en el conjunto de datos Foggy Cityscapes, una precisión media de píxeles por categoría del 83,59% y una precisión total de píxeles del 95,85%. En comparación con el modelo de segmentación semántica DeepLabV3+, el modelo mejora en un 3,82%, 3,99% y 1,02% respectivamente, mientras que el número de parámetros del modelo es de 2,88M, lo que representa una reducción cercana al 55% en comparación con DeepLabV3+, optimizando el consumo computacional de la red. El algoritmo tiene un buen rendimiento en la segmentación semántica en condiciones de niebla, manteniendo alta precisión de segmentación mientras reduce el número de parámetros del modelo y posee buena robustez.

segmentación semántica; aprendizaje auto supervisado; agregación profunda; aprendizaje contrastivo; función de pérdida