Obtener el área de dosel, ancho de copa, posición y otra información de imágenes aéreas de UAV y ajustar los parámetros de pulverización en tiempo real de acuerdo con esta información es una forma importante de lograr una aplicación precisa de pesticidas en huertos. Sin embargo, el entorno de iluminación natural en el huerto dificulta la extracción del dosel de los árboles frutales. En este sentido, en este documento se desarrolla un método efectivo de segmentación de imágenes no supervisado para la adquisición rápida del dosel de árboles frutales a partir de imágenes de UAV en condiciones de iluminación natural. Primero, la imagen se preprocesa utilizando el método de compensación de luminancia de la región de sombra propuesto en este documento para reducir la interferencia de las áreas de sombra. Luego, se utiliza Naive Bayes para obtener múltiples características de color de alta calidad de 10 modelos de color que se combinaron con agrupamiento de conjunto para completar la segmentación de imágenes. Los experimentos de segmentación se realizaron en las imágenes de árboles de manzana recopiladas. Los resultados muestran que la tasa de precisión promedio, la tasa de recuperación y la puntuación F1 del método propuesto son del 95,30%, 84,45% y 89,53%, respectivamente, y la calidad de la segmentación es significativamente mejor que los algoritmos ordinarios de K-medias y GMM.