Las plagas cítricas representan una gran amenaza tanto para el rendimiento de los cítricos como para la calidad de la fruta. La prevención temprana de plagas es esencial para el cultivo sostenible de cítricos, el ahorro de costos y la reducción de la contaminación ambiental. A pesar del creciente uso de técnicas de aprendizaje profundo en la agricultura, el rendimiento de los modelos existentes para la detección de pequeños objetivos de plagas cítricas es limitado, principalmente en términos de cuellos de botella de información que ocurren durante la transferencia de información. Esto dificulta su efectividad en la automatización completa de la detección de plagas cítricas. En este estudio, se introdujo un nuevo enfoque para superar estas limitaciones.