La detección de pequeños objetivos en infrarrojo es crucial para la vigilancia militar y la conducción autónoma. Sin embargo, las escenas complejas y las características de señales débiles hacen que la identificación de tales objetivos sea particularmente difícil. Este estudio propone YOLO-SSFA, un modelo mejorado de You Only Look Once versión 11 (YOLOv11) con tres módulos: Fusión de Características de Secuencia de Escala (SSFF), cabeza de detección LiteShiftHead y Red de Supresión de Ruido (NSN). SSFF mejora la representación de características multiescala a través de una fusión adaptativa; LiteShiftHead aumenta la eficiencia mediante convolución dispersa e integración dinámica; y NSN mejora la precisión de localización al centrarse en regiones clave. Los experimentos en los conjuntos de datos HIT-UAV y FLIR muestran puntuaciones mAP50 del 94.9% y 85%, respectivamente. Estos hallazgos muestran el fuerte potencial de YOLO-SSFA para su implementación en tiempo real en entornos infrarrojos desafiantes.