Los caracteres de oblea se utilizan para registrar la transferencia de información importante en la producción e inspección industrial. La detección de caracteres de oblea generalmente se realiza mediante el método tradicional de coincidencia de plantillas. Sin embargo, la precisión y robustez del método de coincidencia de plantillas para detectar imágenes complejas son bajas, lo que afecta la eficiencia de producción. Se propone un modelo mejorado basado en YOLO v7-Tiny para el reconocimiento de caracteres de oblea en fondos complejos para mejorar la precisión de detección. Para mejorar la robustez del sistema de detección, las imágenes requeridas para el entrenamiento y prueba del modelo se aumentan mediante brillo, rotación, desenfoque y recorte. Se adoptaron varias mejoras en el modelo YOLO mejorado, incluido un modelo optimizado de atención de canal espacial (CBAM-L) para una mejor capacidad de extracción de características, una estructura de cuello mejorada basada en BiFPN para mejorar la capacidad de fusión de características y la adición de un parámetro de ángulo para adaptarse a la detección de caracteres inclinados. Los resultados experimentales mostraron que el modelo tenía un valor del 99.44% para @0.5 y una puntuación de 1 de 0.97. Además, se demostró que el modelo propuesto con muy pocos parámetros era adecuado para dispositivos industriales integrados con poca memoria, lo cual era crucial para reducir el costo de hardware. Los resultados mostraron que el rendimiento integral del modelo mejorado era mejor que varios modelos de detección de última generación existentes.