Las plagas de insectos en la soja pueden afectar seriamente el rendimiento de la soja, por lo que la detección eficiente y precisa de las plagas de insectos en la soja es crucial para la producción de soja. Sin embargo, la detección de plagas en entornos complejos sufre de problemas como objetivos de plagas pequeños, similitud de características interclase grandes e interferencia de fondo con la extracción de características. Para abordar los problemas mencionados, este estudio propone el algoritmo de detección SP-YOLO para plagas de soja basado en YOLOv8n. El modelo utiliza FasterNet para reemplazar el esqueleto de YOLOv8n, lo que reduce las características redundantes y mejora la capacidad del modelo para extraer características efectivas. Además, se propone la arquitectura PConvGLU, que mejora la captura y representación de detalles de imagen al tiempo que reduce los requisitos de cálculo y memoria. Además, este estudio propone un encabezado de detección compartido ligero, que permite reducir la cantidad de cálculo de parámetros del modelo y mejorar aún más la precisión del modelo mediante convolución compartida y GroupNorm. El modelo mejorado logra una precisión del 80.8%, una recuperación del 66.4% y una precisión promedio del 73%, lo que representa un aumento del 6%, 5.4% y 5.2%, respectivamente, en comparación con YOLOv8n. La velocidad de cuadros por segundo alcanza los 256.4, y el tamaño final del modelo es solo de 6.2 M, mientras que el número de cantidades computacionales de covariables es básicamente comparable al del modelo original. La capacidad de detección de SP-YOLO se ve significativamente mejorada en comparación con los métodos existentes, lo que proporciona una buena solución para la detección de plagas en la soja. SP-YOLO brinda un soporte técnico efectivo para la detección de plagas en la soja.