الكشف عن الأشياء قد أصبح حجر الزاوية في رؤية الحاسوب. رغم التقدم الكبير الذي تحقق، لا تزال هناك تحديات فيما يتعلق بالأشياء ذات الحجم الصغير، والاتجاهات العشوائية، والتوزيع الكثيف. بالإضافة إلى الصور الطبيعية، فإن هذه القضايا تكون أكثر وضوحاً في الصور الجوية ذات الأهمية الكبيرة. يقدم هذا البحث مكتشفاً متعدد الفئات للأشياء الصغيرة والمكتظة والمتموجة، يُطلق عليه اسم SCRDet. بصفة خاصة، تم تصميم شبكة دمج العينات التي تقوم بدمج الخصائص متعددة الطبقات مع عينات الأناكر المفتوحة بشكل فعال لتحسين الحساسية تجاه الأشياء الصغيرة. وفي الوقت نفسه، يتم استكشاف الشبكة الانتباهية البكسلية المراقبة والشبكة الانتباهية للقنوات بشكل مشترك للكشف عن الأشياء الصغيرة والمكتظة من خلال كبت الضوضاء وإبراز خصائص الأشياء. لتحقيق تقدير أكثر دقة للدوران، تم إضافة عامل ثابت IoU (Intersection over Union) إلى خسارة L1 الناعمة لمعالجة مشكلة الحدود للصندوق المحيط الدوار. أظهرت التجارب الواسعة على قاعدتي البيانات الجغرافية العامتين DOTA وNWPU VHR-10 وكذلك قاعدة بيانات الصور الطبيعية COCO وVOC2007 وبيانات النص المشهدية ICDAR2015 أداء مكتشفنا الرائد في مجاله. ستكون الكود والنموذج متوفرين على الرابط: https://github.com/DetectionTeamUCAS.