Los chicharritas de la hoja de la uva ( spp.) son plagas importantes en el cultivo de la uva, lo que conduce a pérdidas económicas significativas. La evaluación precisa y eficiente del nivel de daño es crucial para la gestión efectiva de plagas y la reducción del impacto financiero. En este estudio, categorizamos el daño en hojas no infestadas y cinco niveles de daño (I-V) y construimos un conjunto de datos de daño de chicharritas de la hoja de la uva. Con base en este conjunto de datos, desarrollamos un modelo ligero de detección de niveles de daño de chicharritas de la hoja de la uva, incorporando mejoras a la arquitectura YOLOv8n. El modelo utiliza FasterNet como red de base para mejorar la eficiencia computacional y reducir la complejidad del modelo. Sustituye la ampliación por el vecino más cercano con CARAFE para mejorar las capacidades de detección de objetivos pequeños. Además, se integra el mecanismo de atención SE para optimizar la extracción de características de la hoja, mejorando así la precisión de reconocimiento en entornos de viñedos complejos. Los resultados experimentales demuestran que CSF-YOLO logra un mAP del 90,15%, que es un 1,82% más alto que el modelo base, YOLOv8n. Además, los resultados de inferencia del modelo se pueden acceder a través de dispositivos móviles, demostrando la viabilidad del monitoreo en tiempo real de plagas en viñedos. Este estudio proporciona una sólida base técnica para avanzar en sistemas inteligentes de monitoreo de plagas en viñedos y el desarrollo de la agricultura inteligente.