Los métodos existentes de detección de objetos rotados suelen utilizar parámetros angulares para representar la orientación del objeto. Sin embargo, debido a la simetría y periodicidad de estos parámetros angulares, a menudo se produce un conocido problema de discontinuidad en los límites. Más específicamente, cuando el ángulo de orientación del objeto se acerca al límite periódico, el ángulo predicho puede cambiar rápidamente y afectar negativamente al entrenamiento del modelo. Para abordar este problema, este artículo introduce un nuevo método que puede resolver eficazmente el problema de discontinuidad en los límites relacionado con los parámetros angulares en la detección de objetos rotados. Nuestro enfoque implica una novedosa técnica de codificación y decodificación basada en vectores para los parámetros angulares, y una función de pérdida de distancia coseno para la evaluación de la precisión angular. Al utilizar las características de los vectores unitarios y las funciones de similitud coseno, nuestro método parametriza el ángulo de orientación como componentes del vector unitario durante el proceso de codificación y redefine la tarea de predicción del ángulo de orientación como un problema de predicción de vectores, evitando efectivamente el problema de discontinuidad en los límites. El método propuesto logró una precisión promedio media (mAP) del 87.48% y una similitud coseno promedio (CS) de 0.997 en el conjunto de pruebas de MVTec. También obtuvo una puntuación de mAP del 90.54% en el conjunto de pruebas de HRSC2016, que es mejor que varios métodos de vanguardia existentes y demuestra su precisión y eficacia.