本发明涉及瑕疵目标检测领域,尤其涉及一种基于yolov5的瑕疵目标检测方法,解决了现有技术中这些方法在识别目标时,过于注重对小目标的识别精度,没有考虑卷积神经网络的模型大小和检测速度,导致最终生成的检测模型难以在移动设备中部署使用的问题。一种基于yolov5的瑕疵目标检测方法,包括图像的获取:用户利用图像采集设备对目标对象进行图像采集,并将采集到的图像按照Pasca lVOC数据集的格式将图片命名。本发明通过方法对YOLOv算法作出了进一步的改进更好的平衡不同尺度的特征信息;针对密集、相互遮挡的小目标,使用Var ifoca l Loss来训练密集目标,使得网络模型面对大面积聚簇重叠的目标时,能够准确识别。对物体自身现状颜色变化、复杂自然环境条件等也有较好的鲁棒性。