La clasificación es esencial antes del devanado de la seda y sirve como un paso clave para mejorar la calidad de la seda cruda. En la actualidad, la clasificación se basa principalmente en la clasificación manual, lo cual es intensivo en mano de obra e ineficiente. En este documento, se propuso un algoritmo de detección S-YOLOv8_c basado en la cooperación de MobileSAM y YOLOv8 para la clasificación. MobileSAM con un algoritmo de umbral de área diseñado se utilizó para la segmentación semántica de imágenes, lo que podría mitigar el efecto de fondos complejos y maximizar la discriminabilidad de características. Posteriormente, se agregó BiFPN al cuello de YOLOv8 para mejorar la capacidad de fusión de características a escala múltiple. La función de pérdida se reemplazó con WIoU, y se introdujo un mecanismo dinámico de enfoque no monótono para mejorar la capacidad de generalización. Además, se incorporó GAM en la cabeza para enfocarse en información detallada. Finalmente, S-YOLOv8_c logró una buena precisión de detección en el conjunto de pruebas, con un mAP del 95.8%. Además, para validar experimentalmente la capacidad de clasificación, implementamos el modelo propuesto en el cosechador automático de coordenadas cartesianas auto-desarrollado, lo que indicó que cumpliría efectivamente con los requisitos de clasificación precisa y eficiente.