Este documento presenta un método efectivo para medir los desechos de aceite con alta confianza para garantizar el monitoreo del desgaste de los motores aéreos, que sufre de severas interferencias de ruido, características de señal débiles y detección falsa. Primero, se propone un algoritmo mejorado de descomposición de modo variacional, que combina la transformada wavelet y el procesamiento de umbral de intervalo para suprimir la compleja interferencia de ruido en la señal. Luego, se utiliza una red neuronal de memoria a largo y corto plazo con preprocesamiento de espectro de dispersión profunda para identificar las características de la señal bajo el marco de análisis de multi-resolución. Los hiperparámetros óptimos se configuran automáticamente utilizando optimización bayesiana para resolver el problema de características de señal débiles, distorsionadas y difíciles de extraer. Finalmente, se aplica un algoritmo de detección basado en juicio de fusión de múltiples ventanas para mejorar la confianza del proceso de detección, reducir la tasa de detección falsa y de falsas alarmas, y calcular la información del tamaño de los desechos de acuerdo con el principio del sensor. Los resultados experimentales muestran que el método propuesto puede extraer señales de desechos del ruido con una mejora en la relación señal-ruido de más de 9 dB, lograr una alta precisión de reconocimiento del 99.76% con una tasa de detección fallida del 0.24%, y proporcionar información sobre el tamaño de los desechos para satisfacer la necesidad de medición de desechos de aceite en motores aéreos.