Considerando los altos requisitos de los actuales sistemas de reconocimiento de recolección de kiwifruit para dispositivos móviles, incluyendo el pequeño número de características disponibles para objetivos de imagen y la agregación a pequeña escala, en este estudio se propone un algoritmo mejorado de detección de objetivos YOLOX-S para robots recolectores de kiwifruit. Esto implicó diseñar una nueva estructura de integración de características a múltiples escalas en la que, con el objetivo de proporcionar un modelo pequeño y ligero, se eliminan los mapas de características utilizados para detectar grandes objetivos en el modelo YOLOX, se muestrea el mapa de características de objetivos pequeños a través de los valores de vecino más cercano, se empalman las características superficiales con las características finales, se perturba el gradiente de la función de activación SiLU y se optimiza la función de pérdida en la salida. Los resultados experimentales muestran que, en comparación con el YOLOX-S original, el modelo mejorado mejoró la precisión promedio de detección (AP) de imágenes de kiwifruit en un 6.52%, redujo el número de parámetros del modelo en un 44.8% y mejoró la velocidad de detección del modelo en un 63.9%. Por lo tanto, con su destacada efectividad y peso relativamente ligero, el modelo propuesto es capaz de proporcionar de manera efectiva soporte de datos para el posicionamiento 3D y la recolección automatizada de kiwifruit. También puede proporcionar exitosamente soluciones en campos similares relacionados con la detección de objetivos pequeños.