La extracción y análisis de las características fenotípicas de las plantas son cuestiones críticas para muchas aplicaciones de agricultura de precisión. En este estudio se propuso un modelo YOLOv5 mejorado para la detección precisa de nodos y la estimación de la longitud de los entrenudos de los cultivos mediante un enfoque de extremo a extremo. En este YOLOv5 mejorado, se añadió un módulo de extracción de características delante de cada cabeza de detección, y la función de pérdida de caja delimitadora utilizada en la red original de YOLOv5 fue reemplazada por la función de pérdida de caja delimitadora SIoU. Los resultados de los experimentos en tres cultivos diferentes (chile, berenjena y tomate) mostraron que el YOLOv5 mejorado alcanzó un 90.5% de AP (precisión promedio) y el tiempo de detección promedio fue de 0.019 s por imagen. El error promedio de la estimación de la longitud de los entrenudos fue de 41.3 píxeles, y el error relativo fue del 7.36%. En comparación con el YOLOv5 original, el YOLOv5 mejorado tuvo una reducción del error promedio de 5.84 píxeles y una reducción del error relativo del 1.61%.