Este estudio presenta una solución integral para el monitoreo preciso y oportuno de plagas en entornos de campo a través del desarrollo de un sistema avanzado de detección de plagas de arroz basado en el modelo YOLO-RMD. Abordando desafíos críticos en precisión de detección en tiempo real y adaptabilidad ambiental, el sistema propuesto integra tres componentes innovadores: (1) un módulo de Atención de Campo Receptivo que mejora la extracción de características en fondos complejos; (2) un módulo de Atención de Canal Local Mixto que equilibra características locales y globales para mejorar la precisión de detección de objetivos pequeños en follaje denso; (3) una arquitectura de detección multinivel mejorada que incorpora una Cabeza Dinámica con una cabeza de detección adicional, permitiendo una mejora simultánea en la capacidad de detección de plagas a múltiples escalas y cobertura. Los resultados experimentales demuestran una mejora del 3% en precisión sobre YOLOv8n, logrando un Promedio de Precisión del 98.2% al 50% a través de siete plagas comunes de arroz, manteniendo capacidades de procesamiento en tiempo real. Esta solución integrada aborda los requisitos duales de precisión y oportunidad en el monitoreo de campo, representando un avance significativo para los sistemas de visión agrícola. El marco desarrollado proporciona vías de implementación prácticas para la gestión precisa de plagas en condiciones de cultivo del mundo real.