En la producción agrícola, la detección rápida y precisa de la floración del durazno juega un papel crucial en la predicción del rendimiento, y es la base para el aclareo automático. Los métodos de detección y conteo actualmente disponibles basados en operaciones manuales son extremadamente lentos y laboriosos, y propensos a errores humanos. En respuesta a los problemas mencionados anteriormente, este artículo propone un modelo de detección de floración de durazno en entorno natural basado en el modelo YOLOv5. Primero, se utiliza una red en cascada para añadir una capa de salida específicamente para la detección de objetivos pequeños sobre la base de las tres capas de salida originales. En segundo lugar, se añaden un módulo de extracción de contexto combinado (CAM) y un módulo de refinamiento de características (FSM). Finalmente, la red agrupa y analiza estadísticamente el rango de elementos de canal multiescala utilizando el algoritmo K-means++, obteniendo tamaños de caja candidatos adecuados para el conjunto de datos. Se utiliza una nueva función de pérdida de regresión de caja delimitadora (SIoU) para fusionar la información direccional entre la caja real y la caja predicha para mejorar la precisión de detección. Los resultados experimentales muestran que, en comparación con el modelo original YOLOv5s, nuestro modelo ha mejorado correspondientemente los valores de AP para identificar tres formas diferentes de floración de durazno, a saber, capullo, flor y flor caída, en un 7,8%, 10,1% y 3,4%, respectivamente, mientras que el valor final de mAP para el reconocimiento de floración de durazno aumenta en un 7,1%. Se obtienen buenos resultados en la detección del volumen de floración de durazno. El modelo propuesto proporciona un método efectivo para obtener fuentes de datos más intuitivas y precisas durante el proceso de predicción del rendimiento de durazno, y sienta una base teórica para el desarrollo de robots de aclareo.