为了提取硬质合金显微图像的碳化钨晶粒区域，本文提出一种基于多层级注意力融合机制的深度学习网络分割算法.基于UNet网络模型，将深层下采样结果通过多层级注意力融合模块，增强下采样特征图中碳化钨晶粒的特征信息，学习每个通道的权重，通过该权重突出晶粒的特征信息，提高模型对重要特征通道的关注度.再与上采样结果进行跳跃连接，加强特征图对位置间的关联，提高模型对输入数据的表达能力.最后在不同类型的硬质合金测试集上进行了对比和消融实验.结果表明，本文提出的方法对分割硬质合金显微图像的有效性.