Obtener el número de plantas es clave para evaluar el efecto de la siembra mecánica de maíz, y también es una referencia para las estadísticas posteriores sobre el número de plántulas faltantes. Cuando se utiliza el modelo existente para la detección del número de plantas, la precisión de reconocimiento es baja, los parámetros del modelo son grandes y el área de reconocimiento única es pequeña. Este estudio propone un método para detectar el número de plántulas de maíz basado en una versión mejorada de You Only Look Once versión 4 (YOLOv4) de una red neuronal ligera. Primero, el método utiliza Ghostnet mejorado como red de extracción de características del modelo, e introduce sucesivamente el mecanismo de atención y el algoritmo de agrupamiento k-means en el modelo, mejorando así la precisión de detección del número de plántulas de maíz. En segundo lugar, el uso de convoluciones separables en profundidad en lugar de convoluciones ordinarias hace que la red sea más ligera. Finalmente, se mejora la estructura de red de fusión de características a múltiples escalas para reducir aún más el número total de parámetros del modelo, pre-entrenando con transfer learning para obtener el modelo óptimo para la predicción en el conjunto de pruebas. Los resultados experimentales muestran que la media armónica, la tasa de recall, la precisión promedio y la tasa de precisión del modelo en todos los conjuntos de pruebas son del 0,95%, 94,02%, 97,03% y 96,25%, respectivamente, los parámetros de red del modelo son 18,793 M, el tamaño del modelo es de 71,690 MB y los frames por segundo (FPS) son 22,92. Los resultados de la investigación muestran que el modelo tiene una alta precisión de reconocimiento, una velocidad de reconocimiento rápida y una baja complejidad del modelo, lo que puede proporcionar soporte técnico para la gestión del maíz en la etapa de plántula.