En el taller de producción de electrólisis de aluminio, grúas aéreas de carga pesada equipadas con terminales de operación multifuncionales son responsables de tareas críticas como el reemplazo de ánodos, la ruptura de carcasas, la eliminación de escoria y la alimentación de materiales. El monitoreo en tiempo real de estos cuatro tipos de terminales de operación es de suma importancia para garantizar la seguridad en la producción. Se utilizan cámaras de alta resolución para capturar escenas dinámicas de operación. Sin embargo, los terminales sufren cambios morfológicos y rotaciones en el espacio tridimensional según los requisitos de la tarea durante las operaciones, careciendo de invariancia rotacional. Este factor complica la detección y el reconocimiento de objetivos multifacéticos en un entorno 3D. Además, operaciones como el golpeo y la alimentación de materiales generan una cantidad significativa de polvo, que a menudo oscurece visualmente los objetivos de los terminales. El desafío de la detección de objetos multifacéticos en tiempo real en imágenes de alta resolución afectadas por entornos de humo y polvo exige algoritmos de detección y desneblado. Para abordar estos problemas, proponemos el método YOLOv8n-Al-Dehazing, que logra la detección precisa de terminales de manejo de materiales multifuncionales en talleres de electrólisis de aluminio. Para superar los altos costos computacionales asociados con el procesamiento de imágenes de alta resolución utilizando YOLOv8n, nuestro método refina YOLOv8n a través de la sustitución de componentes e integra un preprocesamiento de desneblado en tiempo real para imágenes de alta resolución, reduciendo así el tiempo de procesamiento de imágenes. Recopilamos datos en el sitio para construir un conjunto de datos para la validación experimental. En comparación con el método YOLOv8n, nuestro enfoque aumenta la velocidad de inferencia en un 15.54%, alcanzando 120.4 fotogramas por segundo, lo que cumple con los requisitos para la detección en tiempo real en el sitio. Además, en comparación con los métodos de detección de última generación y variantes de YOLO, YOLOv8n-Al-Dehazing demuestra un rendimiento superior, alcanzando una tasa de precisión del 91.0%.