La detección de flores de manzana es un proyecto importante en la etapa de plantación de manzanas. Este documento propone un modelo de red de detección optimizado basado en un módulo generativo y la inferencia de poda. Debido a los problemas de inestabilidad, no convergencia y sobreajuste de las redes neuronales convolucionales en el caso de muestras insuficientes, este documento utiliza un módulo generativo y varios métodos de preprocesamiento de imágenes, incluyendo Cutout, CutMix, Mixup, SnapMix y algoritmos de Mosaic para la augmentación de datos. Con el fin de resolver el problema de la desaceleración del entrenamiento y la inferencia debido a la creciente complejidad de las redes de detección, la inferencia de poda propuesta en este documento puede desactivar automáticamente parte de la estructura de la red según las diferentes condiciones, reducir los parámetros y operaciones de la red, y mejorar significativamente la velocidad de la red. El modelo propuesto puede alcanzar un 90.01%, 98.79% y 97.43% en precisión, recuperación y mAP, respectivamente, en la detección de las flores de manzana, y la velocidad de inferencia puede alcanzar 29 FPS. En el modelo YOLO-v5, con un rendimiento ligeramente inferior, la velocidad de inferencia puede alcanzar 71 FPS gracias a la inferencia de poda. Estos resultados experimentales demuestran que el modelo propuesto en este documento puede satisfacer las necesidades de la producción agrícola.