针对太阳能电池片缺陷检测方法存在精度低的问题,提出一种基于改进的YOLOv5s太阳能电池片表面缺陷检测算法.首先,为了解决电池片小目标缺陷检测问题,提出了上下文Transformer网络(CoT),可以为小目标提供全局上下文信息,帮助模型更好地预测小目标.其次,将CBAM注意力加入到Head部分的C3模块,能够更好地捕捉输入特征图的重要通道和空间位置,提高模型的性能和鲁棒性.接着,使用轻量级的通用上采样算子CARAFE减少上采样过程中特征信息的损失,保证了特征信息的完整性.最后,使用WIoU作为边界框损失函数,大幅提升了回归的准确性,并且有助于快速实现模型的收敛.实验结果显示,改进后的YOLOv5s相较于原始算法在Precision、Recall、mAP@0.5三个指标上分别提高了5.5%、4.1%、3.3%,检测速度达到了76　FPS,满足太阳能电池片缺陷检测要求.