Las fallas de arco pueden causar un incendio eléctrico grave, especialmente las fallas de arco en serie. Los métodos de detección de fallas de arco basados en inteligencia artificial (IA) pueden tener una precisión de detección mejorada. Sin embargo, la complejidad y la gran cantidad de parámetros del algoritmo basado en IA dificultarán su rendimiento en tiempo real para detectar fallas de arco en serie. Este artículo propone un método ligero de detección de fallas de arco basado en el módulo EffNet, que puede hacer que el algoritmo sea menos complejo con el mismo nivel de precisión de detección. Se construyó una plataforma de prueba de falla de arco para recolectar datos de corriente de arco, cubriendo ocho tipos de cargas requeridas por la norma IEC 62606. Los datos crudos de corriente de arco se utilizan directamente como entrada para el algoritmo propuesto, reduciendo la complejidad del módulo. Según las características de la corriente de arco representadas principalmente en el dominio del tiempo, las primeras y últimas capas de convolución del módulo EffNet pueden mejorarse. Además, la convolución espacialmente separable está bien ajustada y recortada para lograr una arquitectura más ligera y de mejor rendimiento para la detección de fallas de arco llamada Arc_EffNet. Notablemente, este modelo logra una impresionante precisión de detección de arco del 99.75%. Se construyó un prototipo de detección de fallas de arco utilizando el Raspberry Pi 4B para evaluar el rendimiento de detección en tiempo real del método propuesto. Los resultados experimentales muestran que el prototipo tarda aproximadamente 72 ms en responder a una falla de arco en serie, lo que puede cumplir con el requisito de detección en tiempo real de las fallas de arco.