Dirigido al problema de la diferencia entre las esporas patógenas intraclase e interclase de la imagen de la Fusariosis del trigo siendo pequeñas y difíciles de distinguir, en este documento, proponemos una red de detección de esporas de Fusariosis del trigo desacoplada y ligera basada en Yolov7-tiny (GSD-YOLO). Específicamente, considerando las limitaciones del espacio de almacenamiento y el consumo de energía del equipo de detección de campo real, la cabeza de detección original se optimiza como una cabeza desacoplada, y se incrusta el módulo ligero GSConv para reducir los parámetros del modelo y el número de cálculos requeridos. Además, utilizamos una estrategia de aumento de datos Spore-Copy mejorada para mejorar el rendimiento de detección y la capacidad de generalización del algoritmo para adaptarse a la gran cantidad, morfología y variedad de esporas de enfermedades del trigo en el campo real y para mejorar la eficiencia de construir un gran conjunto de datos de esporas diversas. Los resultados experimentales muestran que el mAP del algoritmo propuesto alcanza el 98.0%, que es 3.9 puntos porcentuales más alto que el del modelo original. Al mismo tiempo, la velocidad de detección del algoritmo es de 114 f/s, y la memoria es de 13.1 MB, lo que cumple con los requisitos de aplicación de implementación de hardware y detección en tiempo real. Puede proporcionar algún apoyo técnico para la prevención y clasificación de la Fusariosis del trigo en los campos reales.