Debido a los desafíos de la detección de plagas en entornos complejos, esta investigación presenta una red ligera para la identificación de plagas en tabaco aprovechando mejoras en la tecnología YOLOv8. Utilizando YOLOv8 large (YOLOv8l) como base, la capa de cuello de la red original es reemplazada por una red de pirámide de características asintóticas (AFPN) para reducir los parámetros del modelo. Se incorpora un mecanismo de atención SimAM, que no requiere parámetros adicionales, para mejorar la capacidad del modelo para extraer características. El modelo C2f de la red de base es reemplazado con el módulo VoV-GSCSP para reducir los requisitos computacionales del modelo. Los experimentos muestran que el modelo YOLOv8 mejorado logra un alto rendimiento general. En comparación con el modelo original, los parámetros del modelo y los GFLOPs se reducen en un 52,66% y 19,9%, respectivamente, mientras que el mAP@0.5 se mejora en un 1%, la recuperación en un 2,7% y la precisión en un 2,4%. Una comparación adicional con los modelos de detección populares YOLOv5 medium (YOLOv5m), YOLOv6 medium (YOLOv6m) y YOLOv8 medium (YOLOv8m) muestra que el modelo mejorado tiene la mayor precisión de detección y los parámetros más ligeros para detectar cuatro plagas comunes en tabaco, con un rendimiento general óptimo. El modelo de detección YOLOv8 mejorado propuesto facilita una detección y reconocimiento precisos e instantáneos de plagas en tabaco y otros cultivos, asegurando una identificación precisa y completa de plagas.