El algoritmo de detección del robot recolector de manzanas contiene una estructura de red compleja y un gran volumen de parámetros, lo que limita seriamente la velocidad de inferencia. Para habilitar la recolección automática de manzanas en entornos complejos y no estructurados basados en plataformas embebidas, proponemos un modelo ligero YOLOv5-CS para la detección de manzanas basado en YOLOv5n. En primer lugar, introdujimos el módulo ligero C3-light para reemplazar C3 y mejorar la extracción de características espaciales y aumentar la velocidad de ejecución. Luego, incorporamos SimAM, un módulo de atención sin parámetros, en la capa de cuello para mejorar la precisión del modelo. Los resultados mostraron que el tamaño y la velocidad de inferencia de YOLOv5-CS eran de 6.25 MB y 0.014 s, que eran 1.2 veces los del modelo YOLOv5n, respectivamente. El número de operaciones de punto flotante (FLOPs) se redujo en un 15.56%, y la precisión promedio (AP) alcanzó el 99.1%. Finalmente, realizamos extensos experimentos, y los resultados mostraron que el YOLOv5-CS superó a las redes convencionales en términos de AP, velocidad y tamaño del modelo. Así, nuestro modelo en tiempo real YOLOv5-CS detecta manzanas en entornos complejos de huertos de manera eficiente y proporciona soporte técnico para sistemas de reconocimiento visual para dispositivos inteligentes de recolección de manzanas.