La identificación precisa de las plagas del árbol del té es crucial para la producción de té, ya que impacta directamente en el rendimiento y la calidad. En entornos naturales de jardines de té, la identificación de plagas es desafiante debido a su pequeño tamaño, similitud en color con los árboles de té y fondos complejos. Para abordar este problema, proponemos TTPRNet, un modelo de reconocimiento a múltiples escalas diseñado para entornos reales de jardines de té. TTPRNet introduce la arquitectura ConvNext en la red principal para mejorar las capacidades de aprendizaje de características globales y reducir los parámetros, e incorpora el mecanismo de atención de coordenadas en la capa de salida de características para mejorar la capacidad de representación para diferentes escalas. Además, se emplea GSConv en la red del cuello para reducir la información redundante y mejorar la efectividad de los módulos de atención. La función de pérdida NWD se utiliza para centrarse en la similitud entre las plagas a múltiples escalas, mejorando la precisión de reconocimiento. Los resultados muestran que TTPRNet logra un recall del 91% y un mAP del 92.8%, representando mejoras del 7.1% y 4% sobre el modelo original, respectivamente. TTPRNet supera a los modelos existentes de detección de objetos en recall, mAP y velocidad de reconocimiento, cumpliendo con los requisitos en tiempo real. Además, el modelo integra una función de conteo, permitiendo el recuento preciso de números y tipos de plagas y ofreciendo así soluciones prácticas para una identificación precisa en condiciones de campo complejas.