En la vigilancia inteligente de sitios de construcción, la detección de cascos de seguridad es de gran importancia. Sin embargo, debido al pequeño tamaño de los cascos de seguridad y a la presencia de altos niveles de ruido en escenarios de construcción, los métodos de detección existentes a menudo encuentran problemas relacionados con la precisión y robustez insuficientes. Para abordar este desafío, este documento introduce un nuevo algoritmo de detección de cascos de seguridad, FEFD-YOLOV5. El algoritmo FEFD-YOLOV5 mejora el rendimiento de detección al agregar una cabeza de detección superficial específicamente para la detección de objetivos pequeños e incorporar un módulo de atención de canal SENet para comprimir la información espacial global, mejorando así la precisión media promedio del modelo (mAP) en escenarios correspondientes. Además, se introduce un módulo de reducción de ruido novedoso en este algoritmo, asegurando que el modelo mantenga una alta precisión y robustez bajo diversas condiciones de ruido, mejorando así la capacidad de generalización del modelo para satisfacer las demandas de escenarios del mundo real. Los resultados experimentales muestran que el algoritmo mejorado propuesto logra una precisión de detección del 94.89% en entornos sin ruido, y aún alcanza el 91.55% en entornos de alto ruido, demostrando una eficacia de detección superior en comparación con el algoritmo original.