Con el avance de la tecnología de visión por computadora, la demanda de reconocimiento de frutas en la automatización agrícola está aumentando. Para mejorar la precisión y eficiencia en el reconocimiento de frutas jóvenes, este estudio propone un modelo mejorado basado en el ligero YOLOv9s, denominado YOLOv9s-Pear. Al construir un conjunto de datos de imágenes rico en características y diverso de frutas jóvenes e introducir el muestreo descendente desacoplado espacial-canal (SCDown), los módulos C2FUIBELAN y la cabeza de detección YOLOv10 (v10detect), el modelo YOLOv9s se mejoró para lograr un reconocimiento eficiente de objetivos pequeños en entornos agrícolas con recursos limitados. Las imágenes de frutas jóvenes fueron capturadas en diferentes momentos y lugares y se sometieron a un preprocesamiento para establecer un conjunto de datos de alta calidad. Para mejorar el modelo, este estudio integró bloques generales de botella invertida de C2f y MobileNetV4 con el módulo RepNCSPELAN4 del modelo YOLOv9s para formar el nuevo módulo C2FUIBELAN, mejorando la precisión del modelo y la velocidad de entrenamiento para la detección de objetos a pequeña escala. Además, los módulos SCDown y v10detect reemplazaron las estructuras originales de AConv y la cabeza de detección del modelo YOLOv9s, mejorando aún más el rendimiento. Los resultados experimentales demostraron que el modelo YOLOv9s-Pear logró una alta precisión de detección en el reconocimiento de frutas jóvenes, al tiempo que reducía los costos computacionales y los parámetros. La precisión de detección, la recuperación, la precisión media y la precisión media extendida fueron de 0.971, 0.970, 0.991 y 0.848, respectivamente. Estos resultados confirman la eficiencia de los módulos SCDown, C2FUIBELAN y v10detect en tareas de reconocimiento de peras jóvenes. Los hallazgos de este estudio no solo proporcionan una técnica rápida y precisa para el reconocimiento de frutas jóvenes, sino que también ofrecen una referencia para detectar frutas jóvenes de otros árboles frutales, contribuyendo significativamente al avance de la tecnología de automatización agrícola.