针对传统菜园除草依赖人工、效率低下且化学除草剂危害生态的问题，本文以大学生创新创业实践项目“AI 赋能的菜园智能除草机器人”为依托，研究基于深度学习的菜园作物与杂草精准识别方法。首先构建了包含 6 种常见蔬菜作物与 8 类典型杂草的菜园图像数据集，共计 8250 张标注图像；其次以 YOLOv8 为基线模型，通过引入轻量化注意力模块、优化特征融合网络与设计针对性数据增强策略进行改进，提出了一种适用于菜园复杂背景的作物-杂草实时检测模型；最后在自建数据集与公开数据集上进行了对比实验。结果表明，改进模型的 mAP 达到 95.1%，检测速度为 88 FPS，在保持高精度的同时满足实时性要求，可为智能除草机器人提供可靠的视觉感知支撑。