El arroz juega un papel crucial en la producción agrícola global, pero varios objetos extraños a menudo se mezclan durante su procesamiento. Para detectar de manera eficiente y precisa pequeños objetos extraños en la cadena de procesamiento de arroz, garantizando la calidad alimentaria y la seguridad del consumidor, este estudio propone de manera innovadora un algoritmo de detección de objetos extraños para arroz basado en YOLOv-MA, aprovechando técnicas de aprendizaje profundo.