Este documento presenta un método eficiente de detección de malezas basado en el transformador de difusión latente, con el objetivo de mejorar la precisión y aplicabilidad del análisis de imágenes agrícolas. Los resultados experimentales demuestran que el modelo propuesto alcanza una precisión de 0.92, un recall de 0.89, una exactitud de 0.91, una precisión media promedio (mAP) de 0.91 y un puntaje F1 de 0.90, lo que indica su destacado rendimiento en escenarios complejos. Además, los experimentos de ablación revelan que la subred de difusión basada en el espacio latente supera a los modelos tradicionales, como la red de difusión residual, que tiene una precisión de solo 0.75. Al combinar la extracción de características del espacio latente con mecanismos de autoatención, el modelo ligero construido puede responder rápidamente en dispositivos móviles, mostrando el significativo potencial de las tecnologías de aprendizaje profundo en aplicaciones agrícolas. La investigación futura se centrará en la diversidad de datos y la interpretabilidad del modelo para mejorar aún más la adaptabilidad y la confianza del usuario en el modelo.