摘要: ］燃料棒生产过程的质量检测对保障其使用阶段的稳定性与安全性至关重要。燃料棒表面的划痕、磕碰、脏污等缺陷会显著影响产品品质。近年来，随着人工智能与图像处理等前沿技术的快速发展，燃料棒 检测已逐步从传统人工目检转向智能化检测，基于图像处理的外观缺陷检测技术因此得到广泛应用。文章提出一种基于 YOLOv5 模型的改进算法，通过优化损失函数并融合 CBAM 注意力机制，构建多头检测结构。实验结 果表明，该算法有效缓解了正负样本失衡问题，增强了模型对关键特征的提取精度，提升了模型对微小目标的识别能力。