La fibrilación auricular (FA) es la arritmia más común y puede amenazar seriamente la salud del paciente. La investigación sobre la detección de FA tiene una importancia clínica significativa. Este manuscrito propone un método de detección de FA basado en señales de balistocardiograma (BCG) recopiladas por un sensor sin contacto. Primero construimos un conjunto de datos de señales de BCG que consta de 28,214 segmentos no superpuestos de diez segundos recopilados de 45 pacientes hospitalizados durante el sueño nocturno, incluyendo 9438 para FA, 9570 para ritmo sinusal (RS) y 9206 para artefactos de movimiento (MA). Luego, diseñamos una red neuronal convolucional residual (CNN) para la detección de FA. La red tiene cuatro módulos, a saber, un módulo convolucional de submuestreo, un módulo de aprendizaje de características locales, un módulo de aprendizaje de características globales y un módulo de clasificación, y extrae características locales y globales de las señales de BCG para la detección de FA. El modelo logró una precisión, sensibilidad, especificidad, puntaje F1 y precisión del 96.8%, 93.7%, 98.4%, 95.2% y 96.8%, respectivamente. Los resultados indican que el método de detección de FA propuesto en este manuscrito podría servir como base para el cribado a largo plazo de FA en el hogar basado en la adquisición de señales de BCG.