La detección y reconocimiento de semáforos (TLDR) es una de las habilidades necesarias de plataformas móviles inteligentes de múltiples tipos, como los drones. Aunque los métodos anteriores de TLDR tienen una fuerte robustez en sus resultados de reconocimiento, la viabilidad de implementación de estos métodos está limitada por su gran tamaño de modelo y altos requisitos de potencia de cálculo. En este documento, se propone un nuevo método TLDR ligero para mejorar su viabilidad de ser implementado en plataformas móviles. El método propuesto es un enfoque de dos etapas. En la etapa de detección, se construye un nuevo modelo YOLOv5s ligero para localizar y extraer la región de interés (ROI). En la etapa de reconocimiento, se emplea el espacio de color HSV junto con un modelo de máquinas de soporte vectorial gemelas extendidas (TWSVMs) para lograr el reconocimiento de semáforos de múltiples tipos, incluyendo las formas de flecha. El conjunto de datos, recopilado en experimentos de conducción naturalista con un vehículo instrumental, se utiliza para entrenar, verificar y evaluar el método propuesto. Los resultados sugieren que, en comparación con los métodos TLDR basados en YOLOv5s anteriores, el tamaño del modelo del método TLDR ligero propuesto se reduce en un 73.3%, y el consumo de potencia de cálculo se reduce en un 79.21%. Mientras tanto, también se logran una velocidad de razonamiento satisfactoria y una robustez de reconocimiento. La viabilidad del método propuesto para ser implementado en plataformas móviles se verifica con la plataforma Nvidia Jetson NANO.