Después de que la máquina de reciclaje de película residual recupera la película, algunas pequeñas piezas de la película quedarán en la superficie del campo. Para resolver el problema de recolección de pequeñas piezas de película, es necesario desarrollar un equipo de selección inteligente. La detección de pequeñas piezas de película es el primer problema a resolver. Este estudio propone un método de un algoritmo de detección de objetos que fusiona características multi-escala (MFFM Faster R-CNN) basado en Faster R-CNN mejorado. Basado en el modelo Faster R-CNN, se añade la red de pirámide de características para resolver el problema de cambio multi-escala de película residual. Se introduce el módulo de atención de bloque de convolución para mejorar la capacidad de extracción de características del modelo. Se utiliza el algoritmo Soft-NMS en lugar del algoritmo NMS para mejorar la precisión de detección del modelo en la red RPN. Los resultados experimentales muestran que el modelo es capaz de detectar de manera efectiva la película residual en la superficie en entornos complejos, con una precisión de 83.45%, un índice de IoU de 0.89 y un tiempo de detección promedio de 248.36 ms. El modelo se compara con SSD y YOLOv5 bajo el mismo entorno experimental y parámetros, y se encuentra que el modelo no solo garantiza una detección de alta precisión, sino también una detección en tiempo real. Esto sienta las bases teóricas para el desarrollo posterior del equipo inteligente de recolección de película residual en superficies de campo.