La seguridad es el tema eterno de los sistemas de energía. Ante problemas como la lentitud y el pobre rendimiento en tiempo real en el uso correcto de los ganchos de cinturón de seguridad por parte de los operadores de supervisión manual en el proceso de operación de energía, este documento propone un algoritmo de reconocimiento de estado de suspensión de gancho de cinturón de seguridad YOLOv7 mejorado. En primer lugar, se mejora la parte de extracción de características de la red principal YOLOv7, y se construye el módulo de extracción de características de M-Spatial Pyramid Pooling Concurrent Spatial Pyramid Convolution (M-SPPCSPC) para reemplazar el módulo de Spatial Pyramid Pooling Concurrent Spatial Pyramid Convolution (SPPCSPC) de la red principal, lo que reduce la cantidad de cálculos y mejora la velocidad de detección de la red principal manteniendo el campo sensorial de la red principal sin cambios. En segundo lugar, se introduce una cabeza desacoplada, que realiza la confianza y los cuadros de regresión por separado, para aliviar el impacto negativo del conflicto entre las tareas de clasificación y regresión, mejorando consecuentemente la precisión de detección de la red y acelerando la convergencia de la red. Finalmente, se introduce un mecanismo dinámico de enfoque no monótono en la capa de salida, y se utiliza la función de pérdida de Wise Intersection over Union (WioU) para reducir la competitividad de los cuadros de anclaje de alta calidad mientras se reduce el gradiente dañino generado por los cuadros de anclaje de baja calidad, lo que finalmente mejora el rendimiento general de la red de detección. Los resultados experimentales muestran que el valor de Precisión Promedio (mAP@0.5) de la red mejorada alcanza el 81.2%, que es un 7.4% más alto que el de YOLOv7 original, logrando así mejores resultados de detección para el reconocimiento de múltiples estados de ganchos.