随着社会科技的发展与进步，粮食产量大幅度提升，但储存太久的粮食会被粮虫侵害，储粮害虫防治是保障粮食安全的关键环节。但传统的人工检测方法效率低、主观性强，难以满足现代化粮库智能化管理的需求。针对储粮害虫目标体积小、与背景相似度高、易造成漏检误检等问题，本研究提出一种基于改进 YOLOv11n 的粮虫分类检测方法。首先，构建包含玉米象、谷蠹、赤拟谷盗、锯谷盗、麦蛾五种常见储粮害虫的图像数据集，通过数据增强技术扩充样本多样性。其次，以 YOLOv11n 为基线模型，引入多头自注意力机制增强小目标特征提取能力，设计轻量化多尺度特征融合模块改善不同尺寸害虫的检测效果，并采用 WIoU 损失函数优化边界框回归精度。YOLOv11n 是 Ultralytics 推出的新一代高精度、高效率实时目标检测模型。本研究为储粮害虫智能监测提供了高效可行的技术方案，对实现粮库害虫自动化预警具有重要应用价值。