Para estudiar el efecto de detección de la apertura del capullo de algodón después de la pulverización de defoliante, y para resolver el problema de la baja eficiencia de los métodos de detección manual tradicionales para el efecto de uso del defoliante de algodón, este estudio propuso un método de detección de algodón mejorado con el algoritmo YOLOv5x+. El Módulo de Atención de Convolución (CBAM) se incorporó después de Conv para mejorar la capacidad de extracción de características de la red, suprimir la interferencia de información de fondo y permitir que la red se enfoque mejor en los objetivos de algodón en el proceso de detección. Al mismo tiempo, se utilizó la convolución separable en profundidad (DWConv) para reemplazar la convolución ordinaria (Conv) en el modelo YOLOv5x, reduciendo los parámetros del núcleo de convolución en el algoritmo, disminuyendo la cantidad de cálculos y mejorando la velocidad de detección del algoritmo. Finalmente, se agregó la capa de detección para que el algoritmo tenga una mayor precisión en la detección de algodón de tamaño pequeño. Los resultados de las pruebas muestran que la tasa de precisión P (%), la tasa de recuperación R (%) y el valor de mAP (%) del algoritmo mejorado alcanzan el 90,95, 89,16 y 78,47 respectivamente, que son 8,58, 8,84 y 5,15 más altos que el algoritmo YOLOv5x respectivamente, y la velocidad de convergencia es más rápida, el error es menor y se mejora la resolución del fondo de algodón y del algodón objetivo pequeño, lo que puede satisfacer la detección del efecto de apertura del capullo de algodón después de la pulverización del defoliante.