La clasificación de agregados es el requisito previo para hacer concreto. Los métodos tradicionales de identificación de agregados tienen las desventajas de baja precisión y velocidad lenta. Para resolver estos problemas, en este estudio se propone un modelo de detección y clasificación de agregados en miniatura, basado en el algoritmo mejorado You Only Look Once (YOLO), denominado YOLOv5-ytiny. En primer lugar, la estructura C3 en YOLOv5 se reemplaza con nuestra estructura propuesta CI. Luego, la parte redundante de la estructura Neck es podada por nosotros. Finalmente, la función de pérdida de regresión de cuadro delimitador GIoU se cambia a la función CIoU. El modelo propuesto YOLOv5-ytiny se comparó con otros algoritmos de detección de objetos como YOLOv4, YOLOv4-tiny y SSD. Los resultados experimentales demuestran que el modelo YOLOv5-ytiny alcanza 9.17 FPS, un 60% más alto que el algoritmo original YOLOv5, y alcanza un mAP del 99.6% (la precisión promedio). Además, el modelo YOLOv5-ytiny tiene ventajas significativas en velocidad sobre los dispositivos informáticos que utilizan solo la CPU. Este método no solo puede identificar con precisión el agregado, sino que también puede obtener la posición relativa del agregado, lo que puede utilizarse de manera efectiva para la detección de agregados.