La detección de los jujubes largos de Lingwu en un entorno natural es de gran importancia para la recolección robótica. Por lo tanto, se presenta una red ligera de detección de objetivos basada en el SSD (detector de caja única y múltiple) para cumplir con los requisitos de una baja complejidad computacional y una precisión mejorada. Los métodos tradicionales de detección de objetos necesitan cargar pesos pre-entrenados, no pueden cambiar la estructura de la red y están limitados por las condiciones de recursos del equipo. Este estudio propone un método de detección de objetos SSD ligero que puede lograr una alta precisión de detección sin cargar pesos pre-entrenados y reemplazar la red Peleenet con VGG16 como tronco, que puede adquirir entradas adicionales de todas las capas anteriores y proporcionar mapas característicos a todas las capas siguientes. Se agregan el módulo de atención a coordenadas y el mecanismo de atención global en el bloque denso, que potencian los modelos para localizar e identificar con mayor precisión objetos de interés. El módulo Inceptionv2 ha sido reemplazado en las tres capas adicionales iniciales de la estructura SSD, por lo que la estructura multi-escala puede aumentar la capacidad del modelo para recuperar los mensajes característicos. La salida de cada nivel adicional se añade a la exportación del subnivel a través de operaciones de convolución y agrupamiento para realizar la integración de los mensajes de características de la imagen entre los diferentes niveles. Se generó un conjunto de datos que contiene imágenes de los jujubes largos de Lingwu y se aumentó utilizando técnicas de preprocesamiento como refuerzo de ruido, variación de luz y giro de imagen. Para comparar el rendimiento del modelo SSD modificado con el modelo original, se realizaron una serie de experimentos. Los resultados indican que la precisión media promedio del algoritmo SSD modificado para la inspección de objetos es del 97.32%, la velocidad de detección es de 41.15 fps y los parámetros se comprimen al 30.37% de las redes originales para los mismos conjuntos de datos de jujubes largos de Lingwu sin cargar pesos pre-entrenados. El algoritmo de detección de objetivos SSD mejorado realiza una reducción en la complejidad, que está disponible para la adopción ligera en una plataforma móvil y proporciona referencias para la detección visual de la recolección robótica.