El maíz es un cultivo excelente con altos rendimientos y versatilidad, y la magnitud y frecuencia de los brotes de plagas tendrán un impacto grave en los rendimientos de maíz. Por lo tanto, ayudar a los cultivadores a identificar con precisión las especies de plagas es importante para mejorar los rendimientos de maíz. Por lo tanto, en este estudio, proponemos utilizar un detector de plagas llamado SMC-YOLO, que se propone utilizando You Only Look Once (YOLO) v8 como modelo de referencia. En primer lugar, se utiliza el Módulo de Agrupación Convolucional de Pirámide Espacial (SPCPM) en lugar del Agrupamiento de Pirámide Espacial Rápido (SPPF) para enriquecer la diversidad de la información de características. Posteriormente, se incorpora un Módulo de Mejora de Características Multidimensionales (MDFEM) en la red del cuello. Este módulo sirve para aumentar la información de características asociadas con las plagas. Finalmente, se incorpora un módulo no local de características a escala cruzada (CSFLNLM) delante de la cabeza del detector, lo que mejora la percepción global de la cabeza del detector. Los resultados mostraron que SMC-YOLO logró excelentes resultados en varias métricas, con su Puntuación F1 (F1), Precisión Promedio Media (mAP) @0.50, mAP@0.50:0.95 y mAP@0.75 alcanzando el 83.18%, 86.7%, 60.6% y 70%, respectivamente, superando a YOLOv11. Este estudio proporciona un método más confiable de identificación de plagas para el desarrollo de la agricultura inteligente.