La enfermedad de manchas en las hojas es una enfermedad extremadamente común en el proceso de crecimiento del maíz en el norte de China y su grado de daño es bastante significativo. Por lo tanto, la identificación rápida y precisa de la enfermedad de manchas en las hojas de maíz es crucial para reducir las pérdidas económicas en el maíz. En entornos de campo complejos, los métodos de identificación tradicionales son susceptibles a interferencias subjetivas y no pueden identificar rápidamente y con precisión la enfermedad de manchas en las hojas a través de características de color o forma. Presentamos un método avanzado de identificación de enfermedades que utiliza YOLOv8. Este método utiliza imágenes reales de campo de hojas de maíz enfermas para construir un conjunto de datos y etiquetar con precisión las hojas enfermas en estas imágenes, logrando así una identificación rápida y precisa de enfermedades específicas en entornos de campo complejos. Hemos mejorado el modelo basado en YOLOv8 añadiendo módulos Slim-neck y módulos de atención GAM e introduciéndolos para mejorar la capacidad del modelo de identificar la enfermedad de manchas en las hojas de maíz. El modelo mejorado de YOLOv8 logró una precisión (P) del 95.18%, una recuperación (R) del 89.11%, una precisión promedio de reconocimiento (mAP50) del 94.65% y un mAP50-95 del 71.62%, respectivamente. En comparación con el modelo original de YOLOv8, el modelo mejorado mostró mejoras del 3.79%, 4.65%, 3.56% y 7.3% en precisión (P), recuperación (R), precisión promedio de reconocimiento (mAP50) y mAP50-95, respectivamente. El modelo puede identificar eficazmente la enfermedad de manchas en las hojas y calibrar con precisión su ubicación. Bajo las mismas condiciones experimentales, comparamos el modelo mejorado con los modelos YOLOv3, YOLOv5, YOLOv6, Faster R-CNN y SSD. Los resultados muestran que el modelo mejorado no solo mejora el rendimiento, sino que también reduce la complejidad de los parámetros y simplifica la estructura de la red. Los resultados indicaron que el modelo mejorado mejoró el rendimiento, al tiempo que reducía el tiempo experimental. Por lo tanto, el método mejorado propuesto en este estudio, basado en YOLOv8, muestra la capacidad de identificar la enfermedad de manchas en las hojas de maíz en entornos de campo intrincados, ofreciendo un sólido soporte técnico para la producción agrícola.