En la actualidad, las técnicas de detección de capullos de algodón se están volviendo esenciales para las industrias de tejido y textil basadas en la producción de algodón. Hay técnicas limitadas desarrolladas para segmentar, detectar y contar capullos de algodón con precisión. Este análisis identificó varias limitaciones y problemas con estas técnicas, incluyendo su estructura compleja, bajo rendimiento, complejidad temporal, datos de baja calidad, y así sucesivamente. Se desarrolló una técnica propuesta para superar estos problemas y mejorar el rendimiento de la detección y conteo de capullos de algodón. Inicialmente, se recopilaron datos del conjunto de datos, y se realizó una etapa de preprocesamiento para mejorar la calidad de la imagen. Se utilizó un filtro adaptativo Gaussiano-Wiener (AGWF) para eliminar el ruido de las imágenes adquiridas. Luego, se utilizó un algoritmo de optimización aritmética de halcones de Harris mejorado (IHAOA) para la segmentación. Finalmente, se utilizó una red de detección de capullos de algodón de atención central compacta sin anclaje (A-frCAcbdN) para la detección y conteo de capullos de algodón. La técnica propuesta utilizó un conjunto de datos anotado extraído de la detección y conteo de capullos de algodón débilmente supervisada, con el objetivo de mejorar la precisión y eficiencia en la identificación y cuantificación de capullos de algodón en el ámbito agrícola. La precisión de la técnica propuesta fue del 94%, que es mayor que la de otras técnicas relacionadas. De manera similar, la precisión, la recuperación, la puntuación F1 y la especificidad de la técnica propuesta fueron del 93.8%, 92.99%, 93.48% y 92.99%, respectivamente.