【摘要】针对工业机器人工件检测场景中目标检测模型计算资源受限与检测精度需求高的矛盾，本文提出一种基于 ＶｏＶＮｅｔ 优化的轻量级单步多框检测算法（ ＳＳＤ）。 采用 ＶｏＶＮｅｔ 替换 ＳＳＤ 的主干网络 ＶＧＧ１６，通过单次聚合（ＯＳＡ） 模块提升特征提取效率；在ＶｏＶＮｅｔ 中引入残差结构并设计增强的残差单次聚合模块（ｒｅｓｉｄｕａｌ ｏｎｅ ｓｈｏｔ ａｇｇｒｅｇａｔｉｏｎ，Ｒｅｓ⁃ＯＳＡ）模块，解决网络退化问题并增强关键特征表达能力；进一步在 Ｒｅｓ⁃ＯＳＡ 模块后增加混合域注意力机制（ＨＤＡ）提高定位精度。 实验表明：改进后的算法在 ＰＡＳＣＡＬ ＶＯＣ 数据集上平均精度（ｍＡＰ）达到 ７９. ４％，每秒传输帧数（ＦＰＳ）提升至 ６５，模型大小为 ２５. ８ ＭＢ，显著优于原 ＳＳＤ 算法。