La operación de energía eléctrica, como uno de los campos clave en el mundo, enfrenta problemas de seguridad particularmente prominentes. Asegurar la seguridad de los operadores se ha convertido en el requisito más fundamental en la operación de energía. Sin embargo, existen algunos peligros de seguridad en la construcción de energía. Estos peligros se deben principalmente a una débil conciencia de seguridad entre el personal y la falta de estandarización en el uso de cascos de seguridad. Para abordar efectivamente esta situación, se pueden utilizar medios técnicos como la tecnología de videovigilancia y la tecnología de visión por computadora para monitorear si el personal está usando cascos y proporcionar retroalimentación oportuna. Tales medidas mejorarán en gran medida el nivel de seguridad de la operación de energía. Este documento propone un algoritmo mejorado de detección de cascos liviano llamado YOLO-M3C. El algoritmo primero reemplaza la red principal YOLOv5s con MobileNetV3, reduciendo con éxito el tamaño del modelo de 13,7 MB a 10,2 MB, aumentando así la velocidad de detección del modelo de 42,0 cuadros por segundo a 55,6 cuadros por segundo. Luego, se introduce el mecanismo de atención CA en la red principal para mejorar la capacidad de extracción de características del modelo. Finalmente, para mejorar aún más la tasa de recuperación de detección y la precisión del modelo, se llevó a cabo una destilación de conocimientos del modelo. Los resultados experimentales muestran que, en comparación con el algoritmo YOLOv5s original, la precisión promedio del algoritmo mejorado YOLO-M3C se mejora en 0,123, y la tasa de recuperación es la misma. Estos resultados verifican que el algoritmo YOLO-M3C tiene un excelente rendimiento en la detección y reconocimiento de objetivos, lo que puede mejorar la precisión y la confianza, al tiempo que reduce la detección falsa y la detección faltante, y satisface eficazmente las necesidades de detección de uso de cascos.