Antecedentes: Dada la grave carga económica que impone la enfermedad del enverdecimiento de los cítricos a los agricultores de frutas y a las industrias relacionadas, la detección rápida y precisa de la enfermedad es particularmente crucial. Esto no solo frena eficazmente la propagación de la enfermedad, sino que también reduce significativamente la dependencia de la detección manual en extensas áreas de cultivo de cítricos. Objetivo: En respuesta a este desafío, y para abordar los problemas planteados por plataformas con recursos limitados y fondos complejos, este documento diseña y propone un método novedoso para el reconocimiento y localización de la enfermedad del enverdecimiento de los cítricos, denominado modelo HHS-RT-DETR. El objetivo de este modelo es lograr una detección y localización precisas de la enfermedad manteniendo la eficiencia. Métodos: Basándose en el modelo RT-DETR-r18, se realizan las siguientes mejoras: se utiliza el HS-FPN (red piramidal de características de selección de alto nivel) para mejorar la fusión de características y la parte de selección de características del modelo RT-DETR, y la información de características filtradas se fusiona con las características de alto nivel filtrando las características de bajo nivel, para mejorar la capacidad de selección de características y la capacidad de fusión de características multinivel del modelo. En las secciones de fusión de características y selección de características, se introduce el operador de submuestreo HWD (bancos de filtros híbridos de onda-dirección) para evitar la pérdida de información efectiva en el canal y reducir la complejidad computacional del modelo. Al utilizar la función de pérdida de ShapeIoU para permitir que el modelo se enfoque en la forma y escala del cuadro delimitador en sí, la predicción del cuadro delimitador del modelo será más precisa. Conclusiones y Resultados: Este estudio ha desarrollado con éxito un modelo HHS-RT-DETR mejorado que muestra eficiencia y precisión en plataformas con recursos limitados y ofrece ventajas significativas para la detección automática de la enfermedad del enverdecimiento de los cítricos. Los resultados experimentales muestran que el modelo mejorado, en comparación con el modelo base RT-DETR-r18, ha logrado mejoras significativas en varios métricas clave de rendimiento: la precisión aumentó un 7,9%, la velocidad de cuadros aumentó en 4 cuadros por segundo (f/s), la recuperación aumentó un 9,9%, y la precisión promedio también aumentó un 7,5%, mientras que el número de parámetros del modelo se redujo en . Además, el modelo mejorado ha demostrado una destacada robustez en la detección de hojas ocultas en fondos complejos. Esto proporciona un sólido apoyo técnico para la detección temprana y el control oportuno de la enfermedad del enverdecimiento de los cítricos. Además, el modelo mejorado ha mostrado capacidades avanzadas de detección en el conjunto de datos PASCAL VOC. Discusiones: Los planes de investigación futura incluyen la expansión del conjunto de datos para abarcar una gama más amplia de especies cítricas y diferentes etapas de la enfermedad del enverdecimiento de los cítricos. Además, los planes implican la incorporación de imágenes de hojas bajo diversas condiciones de iluminación y diferentes escenarios climáticos para mejorar las capacidades de generalización del modelo, asegurando la localización e identificación precisa de la enfermedad del enverdecimiento de los cítricos en entornos complejos diversos. Por último, se vislumbra la integración del modelo mejorado en un sistema de vehículo aéreo no tripulado (UAV) para permitir la localización precisa en tiempo real a nivel regional de la enfermedad del enverdecimiento de los cítricos.