表面缺陷检测是控制钨棒质量的重要环节。由于钨棒检测图像存在背景复杂、噪声干扰多、对比度低、缺陷分辨率低、尺度跨度广等问题，现有YOLOv5算法的检测准确率难以满足工业现场要求。提出一种基于YOLOv5算法的改进算法，首先重构网络模型的检测头，利用更多尺度的特征图进行结果预测；其次，在特征提取网络中添加注意力机制，增强算法对于重点特征的提取能力，同时采用加权双向特征金字塔网络结构实现多尺度特征融合，减少特征融合过程中的冗余，提高多尺度目标特征的融合度。试验结果表明，基于改进YOLOv5的钨棒表面缺陷检测算法更适应于具有小尺寸大曲度特点的金属表面缺陷检测，能够显著提高此类检测的准确率和精度。