يُعَانِي كشف الكائنات الصغيرة غالبًا من التشويش وانخفاض الدقة، مما يُشكل تحديات كبيرة في الكشف الدقيق وتحديد موقع هذه الكائنات. بالإضافة إلى ذلك، تواجه طرق الاستخراج التقليدية للسمات صعوبات في استخلاص تمثيلات فعّالة لهذه الكائنات، حيث تُسهم عمليات التقليل (down-sampling) والعمليات التبادلية (convolutional operations) في تباهت تفاصيل الكائنات الصغيرة. وللتغلب على هذه التحديات، تقدّم هذه الدراسة منهجية للكشف عن الكائنات الصغيرة جدًا من خلال دمج مُجمَّع (ensemble fusion)، والتي تستفيد من مزايا عدة نماذج مختلفة وتحلل تنبؤاتها معًا. تُظهر النتائج التجريبية أن الطريقة المقترحة تستغل بكفاءة مزايا كل نموذج من خلال الدمج المُجمَّع، مما يؤدي إلى تحسين الدقة والمتانة في كشف الكائنات الصغيرة. وحققت نماذجنا أعلى نتيجة محققة بلغت 0.776 في متوسط الدقة (AP) عند حدّ مقياس التداخل بين التوقعات والواقع (IoU) 0.5، في مسابقة MVA للكشف عن الكائنات الصغيرة الخاصة بالطيور.