Debido al espaciado de líneas amplio y las distancias de siembra, la adopción de la pulverización de pesticidas continua y uniforme en el cultivo de vegetales puede llevar al desperdicio de pesticidas, aumentando así los costos y la contaminación ambiental. En este documento, mediante la aplicación de métodos de aprendizaje profundo e identificación en línea, se estudia la tecnología de control para la pulverización orientada al objetivo con coles como objeto de investigación. Para superar el desenfoque por movimiento y la baja precisión promedio bajo condiciones de luz intensa durante la operación de los pulverizadores, se utiliza un modelo YOLOV5 innovador implantado con un módulo transformador para lograr una identificación en línea precisa de los campos de coles en entornos complejos. Basándose en este concepto, se construye un nuevo sistema de pulverización orientado al objetivo en un NVIDIA Jetson Xavier NX. Los resultados de las pruebas en interiores muestran que la precisión promedio es del 96.14% y el tiempo de procesamiento de imagen es de 51.07 ms. Cuando ocurre desenfoque por movimiento, la precisión promedio para el objetivo es del 90.31%. Luego, en un experimento de campo, cuando la intensidad de luz está dentro del rango de 3.76-12.34 wlx, la distancia de apertura avanzada es inferior a 3.51 cm, la distancia de cierre retardado es inferior a 2.05 cm y el error de identificación promedio para el diámetro de la col es inferior a 1.45 cm. Los resultados experimentales indican que los cambios en la intensidad de luz no tienen un impacto significativo en el efecto de identificación. La precisión promedio es del 98.65% y la tasa de ahorro alcanza el 54.04%. En general, el sistema de pulverización orientado al objetivo diseñado en este estudio logra los resultados experimentales esperados y puede proporcionar soporte técnico para la pulverización orientada al objetivo en el campo.