Las plántulas de cultivos son similares en apariencia a las malezas, lo que hace que la detección de cultivos sea extremadamente difícil. Para resolver el problema de detectar plántulas de cultivos en entornos de campo complejos, se construyó en este estudio un conjunto de datos de plántulas con cuatro cultivos. Se propuso el método de etiquetado de hojas individuales como una alternativa a los enfoques de etiquetado convencionales para mejorar la precisión de detección de cultivos de siembra densa. En segundo lugar, se propuso una red de detección de plántulas basada en YOLOv5 y un mecanismo transformador, y se exploraron en detalle los efectos de tres características (consulta, clave y valor) en el mecanismo transformador sobre la precisión de detección. Finalmente, la red de detección de plántulas se optimizó en una red ligera. Los resultados experimentales muestran que la aplicación del método de etiquetado de hojas individuales podría mejorar el mAP0.5 del modelo en un 1.2% y resolver efectivamente el problema de detección perdida. Al agregar el módulo de mecanismo transformador, el mAP0.5 se mejoró en un 1.5%, mejorando la capacidad de detección del modelo para objetivos densos y oscurecidos. Al final, este estudio encontró que las características de consulta tuvieron el menor impacto en el mecanismo transformador, y el modelo optimizado mejoró la velocidad de cálculo en 23 ms·cuadro en la plataforma de computación inteligente Jetson TX2, proporcionando una base teórica y soporte técnico para la gestión de plántulas en tiempo real.