为制定适合河道型水库的网箱养殖信息提取方法,实现水库网箱养殖自动化精准提取,该文基于＂U＂型编解码结构,顾及多尺度特征信息,通过引入残差单元(RU)、高效多尺度注意力(EMA)、改进级联多尺度卷积(MCP)以及嵌入多尺度特征(IAC)等模块改进深度学习网络构建EAMRNet模型,以闽江流域水口库区为研究区,开展水库网箱养殖信息提取研究.结果表明,EAMRNet模型提取的交并比(IoU)、召回率(Recall)、精准率(Precision)、F1分数(F1-score)分别为　80.26％、90.94％、87.23％、89.05％,相比于　UNet、ResUNet、DeepLab　V3+、TransUNet、HRNet　等　5　种经典模型精度评价结果,精度均为最高.同时,将EAMRNet模型应用于提取闽江流域水口库区2019年-2023年网箱养殖信息,经提取结果统计,闽江流域水口库区网箱养殖面积从2019年的333.965　2　hm2减少至2023年的156.771　3　hm2,总体呈现先增后减的趋势.综上,改进后的模型在水库网箱养殖提取任务上具备较高的提取精度,该研究可以为当地养殖管理部门进行养殖动态监测及合理规划养殖提供理论依据和数据支撑.