La eficiente identificación de plagas y enfermedades en el arroz es crucial para prevenir daños en los cultivos. Para abordar las limitaciones de los métodos tradicionales de detección manual y enfoques basados en aprendizaje automático, se ha desarrollado un nuevo modelo de reconocimiento de plagas y enfermedades en el arroz basado en un algoritmo YOLOv7 mejorado. El modelo utiliza la red ligera MobileNetV3 para la extracción de características, reduciendo la parametrización, e incorpora el mecanismo de atención de coordenadas (CA) y la función de pérdida SIoU para una mayor precisión. El modelo ha sido probado en un conjunto de datos de 3773 imágenes de plagas y enfermedades en el arroz, logrando una precisión del 92.3% y un mAP@.5 del 93.7%. El modelo propuesto MobileNet-CA-YOLO es una solución de alto rendimiento y ligera para la detección de plagas y enfermedades en el arroz, proporcionando resultados precisos y oportunos para agricultores e investigadores.