随着智能家居技术的快速发展，扫地机器人在家庭环境中的应用日益广泛。然而，复杂多变的家居环境对障碍物检测的准确性和实时性提出了更高要求，现有方法在计算效率和检测精度之间难以兼顾。针对这一问题，本项目提出了一种高效的实时障碍物检测方法，重点包括实时障碍物检测模型的构建、模型的轻量化优化以及在扫地机器人上的实际部署。创新性地结合YOLO实时目标检测算法、模型剪枝与移动端量化技术，以提升检测精度和计算效率。所提出的方法能够在保证检测准确性的同时，提高模型在移动设备上的运行效率。实验结果表明，该方法在复杂家庭环境下实现了 98.5% 的检测精度，推理速度提高 35%，模型大小减少 50%，有效提升了扫地机器人的智能感知能力，为智能家居领域的自主导航与环境感知提供了有力支持。