Los robots de cosecha automática son cruciales para mejorar la productividad agrícola, y la detección precisa de la madurez de la fruta es una tecnología fundamental y central para una cosecha eficiente y precisa. Las fresas se distribuyen de forma irregular, y sus imágenes contienen una gran cantidad de información característica. Esta información característica incluye tanto características simples e intuitivas, como significados abstractos más profundos. Estas características complejas representan desafíos significativos para los robots en la determinación de la madurez de la fruta. Para aumentar la precisión, exactitud y eficiencia de los métodos de detección de madurez de la fruta mediante robots, en este estudio se desarrolló un algoritmo de detección de madurez de fresas basado en una estructura de red CES-YOLOv8 mejorada a partir de YOLOv8. Inicialmente, para reflejar las características de los entornos de siembra reales, el estudio recopiló datos de imagen bajo diversas condiciones de iluminación, grados de oclusión y ángulos durante la fase de recopilación de datos. Posteriormente, se reemplazaron partes del módulo C2f en la columna vertebral del modelo YOLOv8 con el módulo ConvNeXt V2 para mejorar la captura de características en fresas de diferentes niveles de madurez, y se introdujo el mecanismo de atención ECA para mejorar aún más la capacidad de representación de características. Finalmente, se empleó la compensación de ángulo y la compensación de distancia de la función de pérdida SIoU para mejorar el IoU, lo que permite la rápida localización de las cajas de predicción del modelo. Los resultados experimentales muestran que el modelo CES-YOLOv8 mejorado logra una precisión, tasa de recuperación, mAP50 y puntuación F1 del 88.20%, 89.80%, 92.10% y 88.99%, respectivamente, en entornos complejos, lo que indica mejoras del 4.8%, 2.9%, 2.05% y 3.88%, respectivamente, sobre los de la red YOLOv8 original. Este algoritmo proporciona soporte técnico para que los robots de cosecha automatizada logren una cosecha automatizada eficiente y precisa. Además, el algoritmo es adaptable y puede extenderse a otros cultivos de frutas.