Con la amplia aplicación de la tecnología de drones, la demanda de detección e identificación de plagas a partir de imágenes de baja resolución y ruidosas capturadas con drones ha ido aumentando constantemente. En este estudio, se presenta un modelo ligero de identificación de plagas basado en Transformer y técnicas de muestreo de superresolución, con el objetivo de mejorar la precisión de identificación en condiciones desafiantes. El modelo Transformer se encontró efectivo para capturar dependencias espaciales en las imágenes, mientras que la técnica de muestreo de superresolución se empleó para restaurar detalles de imagen para procesos de identificación posteriores. Los resultados experimentales demostraron que este enfoque presentaba ventajas significativas en diversos conjuntos de datos de imágenes de plagas, logrando puntuaciones de Precisión, Recall, mAP y FPS de 0.97, 0.95, 0.95 y 57, respectivamente. Especialmente en presencia de baja resolución y ruido, este método fue capaz de realizar la identificación de plagas con alta precisión. Además, se incorporó un optimizador adaptativo para mejorar la convergencia y el rendimiento del modelo. En general, este estudio ofrece un método eficiente y preciso para la detección e identificación de plagas en aplicaciones prácticas, con un significativo valor práctico.