Los incendios eléctricos son causados con frecuencia por fallas de arco en serie de corriente alterna de bajo voltaje, lo que puede resultar en lesiones significativas y daños materiales. La instalación de dispositivos de detección de arco está obligada o recomendada en muchas regiones y países en todo el mundo, sin embargo, la precisión de detección de los dispositivos actuales es insuficiente para eliminar completamente el riesgo que representan las fallas de arco. El método basado en inteligencia artificial es una solución con alta precisión de detección, pero el modelo de IA es una "caja negra". Cuando ocurre un error de juicio, la causa del error del modelo no puede ser encontrada fundamentalmente, y la modificación y el peso ligero del modelo también presentan dificultades significativas al usar el enfoque. Dadas las cuestiones mencionadas anteriormente, esta investigación propone un nuevo método de detección de arco de corriente alterna de bajo voltaje ligero basado en el enfoque de explicabilidad. Al aplicar el enfoque del mecanismo de atención y realizar un análisis visual, se determina la contribución de las características del arco a la detección del modelo. La optimización de los datos de entrada del modelo y la simplificación de la estructura del modelo se logran al mismo tiempo que se aumenta la precisión de detección del modelo. En última instancia, se diseña y valida un prototipo experimental para la detección de arco. Los resultados de las pruebas demuestran la efectividad del método al mostrar que el modelo ligero mantiene una precisión de detección del 99.69%, incluso después de optimizar los datos de entrada en un 80% y reducir los parámetros del modelo en un 51.52%.