La adquisición inteligente de información fenotípica sobre las borlas masculinas es fundamental para la evaluación del crecimiento y rendimiento del maíz. Con el fin de lograr una detección precisa y evaluación de densidad de las borlas masculinas de maíz en entornos de campo complejos, este estudio utilizó un UAV para recopilar imágenes de las borlas masculinas de maíz bajo diferentes factores ambientales en el campo experimental y luego construyó y formó el modelo de detección ESG-YOLO basado en el modelo YOLOv7 utilizando GELU como función de activación en lugar de la SiLU original y agregando un mecanismo de atención ECA dual y un módulo SPD-Conv. Y luego, a través del modelo para identificar y detectar la borla masculina, la precisión promedio del modelo alcanzó un valor medio (mAP) del 93.1%; en comparación con el modelo YOLOv7, su valor medio de precisión promedio (mAP) es 2.3 puntos porcentuales más alto. Su detección de objetivos de imagen de baja resolución y objetos pequeños es excelente, y puede ser más intuitivo y rápido obtener la densidad de las borlas masculinas de maíz a partir de encuestas de identificación automática. Proporciona un método efectivo para la identificación de alta precisión y alta eficiencia de los fenotipos de las borlas masculinas de maíz en el campo, y tiene cierto valor de aplicación para el potencial de crecimiento, rendimiento y evaluación de densidad del maíz.