Con el fin de reducir el impacto de plagas y enfermedades en el rendimiento y la calidad de las uvas para vino de Ningxia y mejorar la eficiencia e inteligencia de la detección, este documento diseña una plataforma de detección inteligente para plagas y enfermedades. Se selecciona la red subyacente óptima comparando la precisión de reconocimiento de las redes MobileNet V2 y YOLOX_s entrenadas en el Conjunto de Datos Público. Basado en esta red, se investiga el efecto de añadir un mecanismo de atención y reemplazar la función de pérdida sobre el efecto de reconocimiento mediante permutación en el Conjunto de Datos Personalizado, resultando en la red mejorada YOLOX_s + CBAM. La red mejorada fue entrenada en el Conjunto de Datos General, y finalmente se obtuvo un modelo de reconocimiento capaz de identificar nueve tipos de plagas, con una precisión de reconocimiento del 93.35% en el conjunto de validación, una mejora del 1.35% sobre la red original. El modelo de reconocimiento se despliega en la parte web y en Raspberry Pi para lograr funciones de detección independientes; el canal entre las dos plataformas se construye a través de Ngrok, y se logra la interconexión remota a través del escritorio VNC. Los usuarios pueden elegir subir imágenes locales en la parte web para detección, utilizar Raspberry Pi de mano para detección en campo, o interconectar Raspberry Pi y web para detección remota.