Con el creciente interés en la exploración de la ciencia espacial, el número de naves espaciales en la órbita terrestre ha estado aumentando constantemente. Para garantizar la seguridad y la integridad operativa de los satélites activos, la vigilancia avanzada y la alerta temprana de objetos espaciales desconocidos como los desechos espaciales son cruciales. El filtro tradicional basado en umbrales para la detección de objetos espaciales depende en gran medida de configuraciones manuales, lo que conduce a limitaciones como poca flexibilidad, altas tasas de falsas alarmas y débil capacidad de detección de objetivos en relaciones señal-ruido bajas. Por lo tanto, detectar objetos débiles y pequeños contra un fondo estrellado complejo sigue siendo un desafío formidable. Para abordar este desafío, proponemos un método de detección novedoso, inteligente y preciso llamado You Only Look Once for Space Object Detection (SOD-YOLO). Nuestro método incluye los siguientes módulos novedosos: Truncamiento de Histograma de Múltiples Canales (MHT) mejora la representación de características, CD-ELAN basado en Convolución Diferencial Central (CDC) facilita el aprendizaje de información de contraste, el módulo Espacio-a-Profundidad (SPD) reemplaza la capa de agrupación para evitar la pérdida de características de objetos pequeños, un módulo de atención simple y sin parámetros (SimAM) expande el campo receptivo para la Información Contextual Global, y Alpha-EIoU optimiza la función de pérdida para un entrenamiento eficiente. Los experimentos en nuestro conjunto de datos SSOD muestran que SOD-YOLO tiene la capacidad de detectar objetos con una relación señal-ruido mínima de 2.08, mejora el AP en un 11.2% en comparación con YOLOv7 y aumenta la velocidad de detección en un 42.7%. La evaluación en el conjunto de datos Spot the Geosynchronous Orbit Satellites (SpotGEO) demuestra el rendimiento comparable de SOD-YOLO con los métodos de vanguardia, afirmando su generalización y precisión.