在竹集成材的生产流程中，为了减少竹材加工过程中产生的浪费，需要精确获取竹材端面的内周长与厚度。而生长过竹梢的长竹条由于其纤维结构上的特征也无法进行粗刨。为提高竹产业生产效率，降低竹材浪费，提出了一种融合改进后的空洞空间卷积池化金字塔(ASPP)与双注意力机制(CBAM)的轻量级端到端网络模型。该网络既能够得到竹梢的精确位置，又能够提取出竹材端面的内外轮廓为后续计算竹材内轮廓周长与厚度提供条件。主干特征提取网络由4个卷积模块(block)组成，共实现16倍的下采样，每个模块内搭建残差结构来缓解梯度消失的问题；上采样阶段采用两次4倍的上采样实现端到端的输出，在两次上采样前分别加入改进后的空洞空间卷积池化金字塔与双注意力机制以提高网络输出的精度。该研究在训练阶段针对不同输出任务采用了不同的损失函数。试验表明，所提出的方法在分割竹材端面任务中交并比达到96.11%,竹梢位置检测任务中距离误差为3.09%,每秒传输帧数达到114.21。与LEDNet、BiSeNet-V2、RegSeg分割网络相比，本研究所提方法能够更好地平衡检测精度与检测速度。