Para abordar el desafío de detectar pequeños defectos en la detección de defectos en azulejos, se ha desarrollado un algoritmo ligero para identificar defectos menores en imágenes de azulejos, denominado CTDD-YOLO. En primer lugar, se propone CAACSPELAN como el componente central de la red de base para extraer características de los defectos en azulejos; en segundo lugar, se introduce la convolución dinámica de dimensión completa ODConv al final de la red de base para mejorar la capacidad del modelo para tratar con defectos pequeños; a continuación, se propone una nueva red de cuello, CGRFPN, para mejorar la capacidad del modelo para representar características multi-escala y mejorar la capacidad del modelo para reconocer objetivos pequeños en el contexto de formatos grandes; finalmente, se propone MPNWD para optimizar la función de pérdida y mejorar aún más la precisión de detección del modelo. Experimentos en el conjunto de datos de detección de defectos en azulejos de Ali Tianchi muestran que el modelo CTDD-YOLO no solo tiene un menor número de parámetros que el YOLOv8n original, sino que también mejora el mAP en 7.2 puntos porcentuales, es decir, el modelo propuesto puede reconocer y tratar de manera más precisa los defectos superficiales menores de los azulejos y puede mejorar significativamente el efecto de detección manteniendo un peso ligero.