针对工业零件表面缺陷检测里人工目检效率低、漏检率高，传统机器视觉在复杂背景和微小缺陷识别上能力不够的问题，本文设计了一套工业零件表面缺陷智能检测系统，硬件部分采用多光源多模态成像系统来减弱环境干扰，同时结合边缘计算终端完成本地推理和硬件加速，算法部分在 YOLOv5 基础上做了改进，模型引入 CBAM 注意力机制来加强微小缺陷特征提取，引入 Focal Loss 来处理样本不平衡问题，再配合数据增强和 Defect-Gen 生成技术来缓解小样本带来的训练困难，实验结果表明，系统在自建数据集上的 mAP@0.5 达到 90.8%，总体检测准确率达到 92.3%，单件检测时间为 0.38 秒，系统对环境变化也有较好的适应能力，这套方案能够较好满足工业质检对高精度和高实时性的要求，也能为制造业智能化质检提供可行的技术支持。