Ruộng bậc thang trồng cải dầu đặt ra những thách thức dai dẳng trong việc kiểm soát sâu bệnh do địa hình phức tạp, mức độ cơ giới hóa thấp và khả năng tính toán hạn chế của robot phun thuốc di động. Để giải quyết những hạn chế này, nghiên cứu này đề xuất RDD-SPA, một khung nhận thức-điều khiển nhẹ tích hợp bộ phát hiện đối tượng hướng triệu chứng (RDD-YOLO) với Bộ điều hợp điểm phun (SPA) để phun thuốc chính xác theo thời gian thực trong môi trường ruộng bậc thang. Một tập dữ liệu thực địa gồm 3309 hình ảnh được thu thập ở giai đoạn cây con và nụ đã được xây dựng, chứa 13.530 trường hợp được chú thích về cây cải dầu, lỗ lá và sự đổi màu lá, phản ánh tán cây dày đặc, hình thái lá không đều và sự che khuất thường xuyên. RDD-YOLO cải tiến YOLO11 thông qua việc giới thiệu các mô-đun Lite-PSConv, C3k2-IDC và hàm mất mát SIoU, đạt được mAP50:95 là 64,0% đồng thời giảm số tham số và chi phí tính toán lần lượt là 12,02% và 3,02%. Sau quá trình cắt tỉa và chắt lọc kiến ​​thức, mô hình được nén xuống còn 1,12 triệu tham số và duy trì khả năng suy luận thời gian thực ổn định ở tốc độ 60 khung hình/giây trên nền tảng nhúng AX650N với tốc độ robot thực tế là 0,18 m/giây. Dựa trên ước lượng độ sâu bằng kính hai mắt và hiệu chuẩn hình học, SPA chuyển đổi kết quả phát hiện thành các lệnh phun thích ứng, tự động điều chỉnh vị trí vòi phun, góc phun và lượng phun. Các thí nghiệm thực địa trên 40 cây cải dầu non cho thấy hệ thống đề xuất làm tăng khả năng giữ nước trong lá lên 33,3% và giảm sự phát tán hóa chất xuống 27,1% so với phun thủ công. Những kết quả này cho thấy RDD-SPA cung cấp một giải pháp hiệu quả và khả thi cho việc ứng dụng thuốc trừ sâu chính xác trong nông nghiệp bậc thang hạn chế nguồn lực.