En este documento, se propone un modelo de detección ligero basado en mejorado. Después de comparar modelos ligeros convencionales (, , , y ), se seleccionó como referencia el que presentaba el mejor rendimiento. A continuación, se diseñó un bloque que se integró con el módulo para formar -, reemplazando los bloques originales en el espinazo. En consecuencia, los valores de P, R, mAP50 y mAP50-95 del modelo aumentaron en un 2,3%, 2,1%, 1,8% y 3,4%, respectivamente, mientras que el recuento de parámetros disminuyó en 0,16 M y el tamaño del modelo se redujo en 0,25 MB. Se añadió un mecanismo de atención sin parámetros a la última capa del espinazo, aumentando los valores de P, R, mAP50 y mAP50-95 a 90,6%, 84,0%, 91,8% y 68,5%, respectivamente, y reduciendo el tiempo de detección promedio a 1,1 ms. Se reemplazó la función con para acelerar la convergencia, disminuir la pérdida y mejorar significativamente el rendimiento de detección. Los resultados experimentales muestran que en un conjunto de datos personalizado de pimientos verdes, superó la referencia logrando aumentos del 2,9%, 2,7%, 2,2% y 3,4% en P, R, mAP50 y mAP50-95, reduciendo los parámetros en 1,6 M, disminuyendo el tiempo de inferencia en 0,7 ms y reduciendo el tamaño del modelo a 5,31 MB. detecta de manera eficiente y precisa pimientos verdes en condiciones de campo complejas, mejorando significativamente la precisión de detección manteniendo un diseño ligero, y proporciona apoyo teórico y técnico para el diseño y la optimización de sistemas de visión de robots recolectores de pimientos.