La tecnología de visión por computadora se está aplicando cada vez más en la producción industrial automatizada. Sin embargo, la precisión en la detección de piezas de trabajo es el cuello de botella en el campo de la tecnología de detección por visión por computadora. En este contexto, se propone un nuevo algoritmo de detección y clasificación de objetos basado en el aprendizaje profundo llamado CSW-Yolov7, que se basa en la mejora de la red de aprendizaje profundo Yolov7. En primer lugar, se combinó la estructura CotNet Transformer para guiar el aprendizaje de matrices de atención dinámica y mejorar las capacidades de representación visual. Posteriormente, se introdujo el mecanismo de atención sin parámetros SimAM, que mejora efectivamente la precisión de detección sin aumentar la complejidad computacional. Finalmente, el uso de WIoUv3 como función de pérdida mitigó efectivamente muchas influencias negativas durante el entrenamiento, mejorando así la precisión del modelo más rápidamente. Los resultados experimentales mostraron que el mAP@0.5 de CSW-Yolov7 alcanzó el 93.3%, superando a otros modelos. Además, este estudio también diseñó un sistema de detección de piezas de trabajo metálicas poliedricas. Se realizaron una gran cantidad de experimentos en este sistema para verificar la efectividad y robustez del algoritmo propuesto.