En el campo de la industria, la detección de defectos basada en modelos YOLO es ampliamente utilizada. En la detección real, el método de detección de defectos de deflectores aislantes es detección artificial. Sin embargo, la eficiencia de este método es baja porque la detección depende absolutamente de los ojos humanos. Considerando el excelente rendimiento de YOLOx, se propone un método de detección inteligente basado en YOLOx. Primero, seleccionamos una función de pérdida CIOU en lugar de una función de pérdida IOU analizando las características de defectos de deflectores aislantes. Además, considerando la limitación de recursos del modelo en escenarios de aplicación, se propone el modelo YOLOx ligero. Reemplazamos el esqueleto de YOLOx con esqueletos ligeros (MobileNetV3 y GhostNet), y utilizamos la convolución separable en profundidad en lugar de la convolución convencional. Esta operación reduce el número de parámetros de red en aproximadamente un 42% en comparación con la red YOLOx original. Sin embargo, el mAP se reduce en aproximadamente un 0,8% en comparación con el modelo YOLOx original. Finalmente, se introduce un mecanismo de atención en el módulo de fusión de características para resolver este problema, y llamamos al YOLOx ligero con un módulo de atención LA_YOLOx. El valor final de mAP de LA_YOLOx alcanza el 95,60%, mientras que el modelo YOLOx original es del 95,31%, lo que demuestra la efectividad del modelo LA_YOLOx.