Los parenterales de gran volumen (LVP), como productos médicos esenciales, se utilizan ampliamente en entornos de atención médica, lo que hace crucial la inspección de su seguridad. Los métodos actuales para detectar partículas extrañas en soluciones de LVP a través del análisis de imágenes se basan principalmente en la detección de un solo fotograma o estrategias simples de suavizado temporal, que no logran utilizar de manera efectiva las correlaciones espacio-temporales en varios fotogramas. Factores como la oclusión, el desenfoque de movimiento y la distorsión refractiva pueden afectar significativamente la precisión de la detección. Para abordar estos desafíos, este documento propone un marco de detección de objetos de múltiples fotogramas basado en el aprendizaje colaborativo espacio-temporal, que incorpora tres innovaciones clave: una red YOLO optimizada con convolución deformable, un módulo de asociación diferenciable entre fotogramas y un módulo de fusión de características consciente de la incertidumbre y reidentificación. Los resultados experimentales demuestran que nuestro método logra una tasa de detección del 97% para soluciones de LVP contaminadas en el conjunto de datos LVPD. Además, el método propuesto permite el entrenamiento de extremo a extremo y procesa cinco botellas por segundo, cumpliendo con los requisitos para aplicaciones de canalización en tiempo real.