针对现有森林有害生物检测方法检测速度慢、准确率低和检测错误的问题，提出了一种基于注意模型和轻量级YOLOV4（You　Only　Look　Once　version4）的森林有害生物检测方法。构建数据集并使用几何变换、随机颜色抖动和马赛克数据增强技术对数据集进行预处理。将YOLOV4的主干网络替换为轻量级网络（MobileNet），并在改进的路径聚合网络（PANet）中添加卷积块注意模块（CBAM），构建改进的轻量级yolov4网络模型。将Focal损耗优化YOLOv4网络模型引入损失函数。将预处理后的数据集输入到改进的网络模型中，输出包含害虫种类和位置信息的检测结果。实验结果表明，网络的改进有助于提高模型的性能。与原YOLOv4模型相比，新模型检测速度更快，平均检测精度更高（mAP），有效解决了漏检和误检问题。对比实验结果表明，新模型优于其他主流网络模型，能够满足森林害虫实时检测的精度和速度要求。