Apuntando a la detección en tiempo real de la tasa de impurezas en el procesamiento del algodón recolectado por máquinas, se propuso un método de detección para la tasa de impurezas en el algodón recolectado por máquinas basado en un operador Canny mejorado. Según las características de las diferentes saturaciones entre el algodón y las impurezas, las impurezas fueron separadas extrayendo el canal S de la imagen. Debido a los problemas existentes en la detección de bordes del operador Canny tradicional, el filtro gaussiano fue reemplazado empleando filtrado medio y denoising de media no local, lo que pudo eliminar efectivamente el ruido en la imagen. Se utilizó una red neuronal YOLO V5 para clasificar e identificar las impurezas después de la segmentación, y se midieron las densidades de varias impurezas. Se estableció un modelo de peso volumétrico (V-W) para resolver la tasa de impurezas basada en la masa. En comparación con un solo hilo, el tiempo de procesamiento de datos se redujo en un 43,65%, y la velocidad de fotogramas se mejoró efectivamente mediante el uso de tecnología multihilo. Al resolver el valor promedio de la tasa de impurezas, se mejoró el rendimiento contra interferencias del algoritmo, y tiene las características de detección en tiempo real y estabilidad. Este método resolvió los problemas de baja velocidad, mala detección en tiempo real y facilidad de interferencia, y puede ser utilizado para guiar el proceso de producción de algodón.