En el ámbito del cultivo de manzanas, el monitoreo eficiente y en tiempo real de la Mancha Foliar Gris es la base para el manejo efectivo del control de plagas, reduciendo la dependencia de pesticidas y aliviando la carga sobre el medio ambiente. Además, promueve el desarrollo armonioso de la economía agrícola y el equilibrio ecológico. Sin embargo, debido a la densa vegetación y a las diversas características de las lesiones, el monitoreo de la enfermedad enfrenta desafíos técnicos sin precedentes. Este documento propone un modelo de detección para la Mancha Foliar Gris en manzanas, el cual se basa en una red YOLOv8 mejorada. Los detalles son los siguientes: (1) introducimos Bloques Residuales Dinámicos (DRBs) para potenciar la capacidad del modelo de extraer características de lesiones, mejorando así la precisión de detección; (2) añadimos un Mecanismo de Atención Autoequilibrante (SBAY) para optimizar la fusión de características y mejorar la capacidad de lidiar con fondos complejos; y (3) incorporamos una cabeza de detección ultra pequeña y simplificamos el modelo computacional para reducir la complejidad de la red YOLOv8 manteniendo la alta precisión de detección. Los resultados experimentales muestran que el modelo mejorado supera a la red YOLOv8 original en la detección de la Mancha Foliar Gris. Notablemente, cuando la Intersección sobre Unión (IoU) es 0.5, se observa una mejora del 7.92% en la precisión promedio. Por lo tanto, esta tecnología avanzada de detección tiene una importancia crucial en el avance del desarrollo sostenible de la industria de la manzana y la agricultura amigable con el medio ambiente.