本研究针对工业领域中钢材表面缺陷检测的需求,设计了一种基于视觉的缺陷检测系统。通过对现有目标检测算法的调研和分析,选择了以YOLOv5算法为基础,针对钢材表面缺陷的特性进行了相应的改进。研究首先对YOLOv5的网络结构进行了优化,提升了特征提取能力;同时,根据钢材表面缺陷的特点,设计了合适的损失函数和训练策略。通过对比试验,验证了改进后的YOLOv5算法在钢材表面缺陷检测任务中的优越性能。此外,本研究还构建了钢材表面缺陷数据集,并进行了数据增强处理,以提高模型的泛化能力。最终,实现了基于改进YOLOv5的钢材表面缺陷检测系统,并对其性能进行了全面评估。该系统具有高效、准确的特点,能够实现对钢材表面缺陷的自动检测,为智能制造领域的发展提供了有力支持。