Este estudio se centra en la detección de plagas y enfermedades en cistanche, proponiendo una red de detección de objetos basada en Transformer mejorada por un mecanismo de atención de puente y una función de pérdida de puente, demostrando un rendimiento excepcional en escenarios agrícolas complejos. El mecanismo de atención de puente fusiona dinámicamente detalles de bajo nivel y semánticas de alto nivel, mejorando significativamente las capacidades de detección para objetivos pequeños y fondos complejos. Los resultados experimentales muestran que el método alcanza una precisión promedio de 0.93, una precisión de 0.95, un recall de 0.92, y puntuaciones de mAP@50 y mAP@75 de 0.92 y 0.90, superando a los mecanismos de autoatención tradicionales y a los módulos CBAM. Estos resultados confirman la capacidad del método para superar desafíos como características de enfermedad poco claras y tamaños de objetivos pequeños, proporcionando un soporte robusto para la detección precisa de plagas. La investigación contribuye a la gestión inteligente de enfermedades agrícolas y al desarrollo sostenible del cultivo de cistanche, al tiempo que sienta una base sólida para futuras aplicaciones de inteligencia agrícola.