本发明公开了一种基于图像分割的飞机跑道异物检测方法，所用的异物检测网络包括特征学习部分、特征融合部分和掩码生成部分；特征学习部分包括两个多尺度特征学习模块；特征融合部分将特征学习部分得到的第一多尺度特征和第二多尺度特征进行融合得到最终融合特征图；掩码生成部分根据最终融合特征图生成异常物体的掩码图像。本方法通过在图像分割任务上设计多尺度特征学习和融合增强了对不同尺度异物尤其是小体积异物的检测定位能力，同时通过在训练时随机融合同一区域下的不同图像的特征的方式增强了算法对光照、天气变化的鲁棒性。另一方面，本发明可以更好地约束模型学习更精确的分割边界。