近年来，随着智慧农业的提出与发展，智能除草成为研究热点。针对复杂自然环境下的大豆幼苗田，现有杂草检 测的模型参数量多、计算量大等问题。提出了三种 YOLOv5n 的轻量化改进方案，将轻量级神经网络 Shuffenetv2、MobileNet3 和 GhostNet 分别引入 YOLOv5n 网络中。实验结果表明，改进后的模型都有效的减小了模型大小，降低了模型计算量，但 识别精度有所不同。Shuffenetv2-YOLOv5n 模型和 MobileNet3-YOLOv5n 模型的参数量和计算量大幅度降低，但是识别精 度也大幅下降。而 GhostNet-YOLOv5n 模型的参数量和计算量分别降低了 30.1%和 50%，且保持了原 YOLOv5n 高识别精度， map@0.5 为 99.1%。因此，GhostNet-YOLOv5n 模型是最优的选择，更有利于部署在除草设备上，为大豆幼苗田的智能除草 提供了新思路。