La detección rápida y precisa de pepinos es un elemento clave para mejorar la capacidad de los robots inteligentes de cosecha. Los problemas como la interferencia del fondo casi del mismo color, la oclusión de ramas y hojas de frutas, y la diversidad de escala del objetivo en entornos de invernaderos plantearon requisitos más altos para los algoritmos de detección de objetivos de pepino. Por lo tanto, se propuso un modelo ligero YOLOv5s-Super basado en el modelo YOLOv5s. Primero, en este estudio, se agregaron la red piramidal de características bidireccionales (BiFPN) y el módulo C3CA al modelo YOLOv5s-Super con el objetivo de capturar las características del hombro del pepino de dependencia a larga distancia y fusionar dinámicamente características de múltiples escalas en el fondo casi del mismo color. En segundo lugar, se agregó el módulo Ghost al modelo YOLOv5s-Super para acelerar el tiempo de inferencia y la velocidad de cálculo de punto flotante del modelo. Finalmente, este estudio visualizó diferentes métodos de fusión de características para el módulo BiFPN; diseñó independientemente un módulo C3SimAM para comparar entre mecanismos de atención paramétricos y no paramétricos. Los resultados mostraron que el modelo YOLOv5s-Super logra un mAP del 87.5%, que fue un 4.2% más alto que el modelo YOLOv7-tiny y un 1.9% más alto que el modelo YOLOv8s. El modelo mejorado podría completar de manera más precisa y robusta la detección de características de múltiples escalas en fondos casi del mismo color complejos, mientras cumplía con el requisito de ser ligero. Estos resultados podrían proporcionar soporte técnico para la implementación de la recolección inteligente de pepinos.