La etapa de espigado del maíz, como un período crítico en el cultivo de maíz, es esencial para predecir el rendimiento del maíz y comprender las condiciones normales del crecimiento del maíz. Sin embargo, las ramas se superponen entre sí durante el crecimiento de las plántulas de maíz y no pueden ser utilizadas como una característica identificativa. Sin embargo, durante la etapa de espigado, su espiga apical florece y tiene características distintivas que pueden ser utilizadas como una característica identificativa. Sin embargo, los tamaños de los espigas de maíz son pequeños, el fondo es complejo y la red existente tiene errores de reconocimiento obvios. Por lo tanto, en este documento, se utilizan imágenes RGB de vehículos aéreos no tripulados (UAV) y una red de detección de objetivos YOLOv8 mejorada para aumentar la precisión del reconocimiento de espigas de maíz. En la nueva red, se añade una cabeza de detección de objetivos a microescala para aumentar la capacidad de percibir espigas de maíz de pequeño tamaño; además, el Spatial Pyramid Pooling-Fast (SPPF) es reemplazado por el Spatial Pyramid Pooling con Efficient Layer Aggregation Network (SPPELAN) en la parte de la red de fondo para conectar diferentes niveles de características detalladas e información semántica. Además, se añade un módulo de atención dual sintetizado por GAM-CBAM en la parte del cuello para reducir la pérdida de características de las espigas de maíz, mejorando así la capacidad de detección de la red. También etiquetamos el nuevo conjunto de datos de espigas de maíz en formato VOC como el entrenamiento y validación del modelo de red. En los resultados de las pruebas del modelo final, la precisión del nuevo modelo de red alcanzó el 93.6% y la recuperación alcanzó el 92.5%, lo que representa una mejora de 2.8-12.6 puntos porcentuales y 3.6-15.2 puntos porcentuales en comparación con los valores de mAP50 y F1-score de otros modelos. A partir de los resultados experimentales, se muestra que la red YOLOv8 mejorada, con alto rendimiento y robustez en el reconocimiento de espigas de maíz de pequeño tamaño, puede reconocer con precisión las espigas de maíz en imágenes de UAV, lo que proporciona apoyo técnico para el conteo automatizado, el cultivo preciso y el cultivo inteligente a gran escala de plántulas de maíz.