Las enfermedades cítricas pueden provocar defectos en la superficie de las frutas cítricas, afectando negativamente su calidad. Este estudio tiene como objetivo identificar con precisión los defectos cítricos en diferentes contextos, centrándose en cuatro tipos de enfermedades: mancha negra de los cítricos, cancrosis de los cítricos, huanglongbing y melanosis de los cítricos. Proponemos un método de detección de enfermedades mejorado basado en YOLOv10 que reemplaza las capas convolucionales tradicionales en la red Backbone con LDConv para mejorar las capacidades de extracción de características. Además, introducimos el módulo GFPN para fortalecer la interacción de información a múltiples escalas a través de la fusión de características a escala cruzada, mejorando así la precisión de detección para enfermedades de pequeños objetivos. La incorporación del mecanismo DAT está diseñado para lograr una mayor eficiencia y precisión en el manejo de tareas visuales complejas. Además, integramos el módulo AFPN para mejorar la capacidad de detección del modelo para objetivos de diferentes escalas. Por último, empleamos la función Slide Loss para ajustar adaptativamente los pesos de las muestras, enfocándonos en muestras difíciles de detectar, como características borrosas y lesiones sutiles en imágenes de enfermedades cítricas, aliviando efectivamente los problemas relacionados con el desequilibrio de muestras. Los resultados experimentales indican que el modelo mejorado YOLOv10-LGDA logra métricas de rendimiento impresionantes en la detección de enfermedades cítricas, con tasas de precisión, recuperación, mAP@50 y mAP@50:95 de 98.7%, 95.9%, 97.7% y 94%, respectivamente. Estos resultados representan mejoras del 4.2%, 3.8%, 4.5% y 2.4% en comparación con el modelo original YOLOv10. Además, en comparación con varios otros algoritmos de detección de objetos, YOLOv10-LGDA demuestra una precisión de reconocimiento superior, facilitando la identificación precisa de enfermedades cítricas. Este avance proporciona un apoyo técnico sustancial para mejorar la calidad de la fruta cítrica y garantizar el desarrollo sostenible de la industria.