El algodón es el cultivo de fibra natural más cultivado en todo el mundo, sin embargo, es altamente susceptible a diversas enfermedades y plagas que comprometen significativamente tanto el rendimiento como la calidad. Para permitir un diagnóstico rápido y preciso de las enfermedades y plagas del algodón, apoyando así el desarrollo de estrategias de control efectivas y facilitando la investigación en genética, proponemos un modelo ligero, la Red de Algodón Eficiente en Recursos (RF-Cott-Net), junto con un conjunto de datos de imágenes de código abierto, CCDPHD-11, que abarca 11 categorías de enfermedades. Basado en la estructura MobileViTv2, RF-Cott-Net integra un mecanismo de salida temprana y entrenamiento consciente de cuantización (QAT) para mejorar la eficiencia de implementación sin sacrificar la precisión. Los resultados experimentales en CCDPHD-11 demuestran que RF-Cott-Net logra una precisión del 98.4%, un F1-score del 98.4%, una precisión del 98.5% y un recall del 98.3%. Con solo 4.9 M de parámetros, 310 M de FLOPs, un tiempo de inferencia de 3.8 ms y una huella de almacenamiento de solo 4.8 MB, RF-Cott-Net ofrece una precisión excepcional y un rendimiento en tiempo real, lo que lo hace altamente adecuado para su implementación en dispositivos agrícolas de borde y proporciona un sólido apoyo para la detección automatizada en campo de enfermedades y plagas del algodón.