搜寻现场物证对于正确分析案情、查明案件事实具有关键性的作用。目前,大多数案件,现场环境比较复杂。如发生在郊区、山地等案件,人工取证困难,使用无人机可提高搜寻效率。然而,无人机拍摄图像中的物证信息容易受到草地等复杂环境的影响,主观上（人眼）难以对物证进行精准发现和判断,因此论文采用语义分割方法对物证图像进行分割,辅助搜寻工作。基于物证图像精准分割和无人机搜寻中高效分割的需求,论文在分割精度和速度两方面进行了研究,具体的工作内容如下:1)在物证分割精度方面,提出了改进的Deeplabv3+物证分割方法。针对高精度语义分割方法Deeplabv3+在分割中出现的物体分割不完整、边缘效果不佳等问题进行了改进。在编码器中,将ASPP模块空洞卷积的空洞率缩小并嵌入SE-block,改进为SE-ASP模块;在解码器中,将编码器的输出特征进行逐层特征融合,提升物证边缘分割效果;对于样本的不平衡问题,使用Focal loss损失函数进行改善。实验结果表明,改进后的方法较Deeplabv3+精度上m PA提升5.05%,m Io U提升2.91%,物证目标在分割结果中展现出了更好的完整性和边缘效果。2)在物证分割速度方面,提出了一种轻量双分支结构的物证分割方法。整体网络采用轻量双分支结构,包含上下文分支和空间分支。上下文分支采用轻量高效的Mobilenet V2作为基础网络,并附加SE-ASP模块提高特征提取能力;空间信息分支由三层卷积构成,用于提取物证图像空间结构特征;为有效的训练网络,构造了加权多尺度交叉熵函数进行多尺度监督,提高物证分割精度。实验结果表明,提出的轻量分割方法相较于Bisenet网络在速度上提升1.39倍,精度上m PA和m Io U分别提升1.24%和0.91%。相较于改进的Deeplabv3+分割方法,分割速度提高了9.8倍,m Io U降低2.4%。3)为了测试提出的两种方法在实际情况下的适用性,使用无人机进行了物证搜寻实验,并对拍摄的图像进行分割。实验结果验证了改进的Deeplabv3+分割方法和轻量双分支分割方法分别在分割精度和分割速度上具有优势,解决了其他方法分割结果差和分割速度慢的问题,可分别满足于数据采集后到本地端处理和现场同步处理两种应用场景的需求。