En respuesta a los desafíos de baja precisión en la identificación tradicional del tizón de pimienta en condiciones naturales complejas, especialmente en la detección de infecciones sutiles en hojas, tallos y frutos en etapas tempranas. Este estudio propone un algoritmo de reconocimiento de imágenes de enfermedades de tizón de pimienta en múltiples sitios basado en YOLOv8, llamado MSPB-YOLO. Este algoritmo localiza de manera efectiva diferentes sitios de infección en pimientos. Al incorporar el módulo RVB-EMA en el modelo, podemos reducir significativamente la interferencia del ruido superficial en capas de profundidad de alta resolución. Además, la introducción de la estructura de red RepGFPN mejora la capacidad del modelo para la fusión de características a múltiples escalas, lo que resulta en una marcada mejora en la precisión de detección de múltiples objetivos. Además, optimizamos CIOU a DIOU al integrar la distancia al centro de las cajas delimitadoras en la función de pérdida; como resultado, el modelo logró un impresionante puntaje mAP@0.5 del 96,4%. Esto representa una mejora del 2,2% sobre el mAP@0.5 del algoritmo original. En general, este modelo proporciona un soporte técnico efectivo para promover estrategias de gestión inteligente y prevención de enfermedades para los pimientos.