针对单一气象指标为主要依据的干旱评估与预警方法难以精细化反映甘蔗生长状况的问题,研究构建了一种融合低空遥感影像与深度学习模型的甘蔗干旱等级智能识别方法。以健康/干旱甘蔗为研究对象,在三个典型种植区域采集地块低空遥感影像,计算归一化植被指数,并结合专家判读建立干旱等级标签。在U-Net语义分割框架基础上,引入残差网络ResNet-34作为主干,并采用加权跳跃连接提升边缘识别能力,构建了CaneUNet-W模型。通过区域交叉验证评估模型性能,结果显示模型在甘蔗地块识别任务中的交并比(IoU)、F1值和Kappa系数平均分别为0.924、0.960和0.912,表现出较高的精度与泛化能力,模型推演结果的空间分布特征与专家基于高分影像的视觉判读趋势基本吻合。本方法能客观反映甘蔗冠层在干旱胁迫下的遥感表型变异,验证了其在甘蔗旱情智能识别与精细化评估中的可行性与有效性。但受限于地面同步实测数据的缺乏,未来研究将引入土壤墒情等生理指标进行定量标定,从而提升甘蔗生产的防灾减灾能力。