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。