针对零部件制造质量控制领域的缺陷检测问题，针对工业摄像头角度和零部件表面缺陷特征相对固定的特点，提出了基于注意力机制的YOLO缺陷检测算法的优化方案。该算法着重于提升算法的注意力，并采用了多种策略来实现。首先，采用了CZS算法，对图像中的缺陷区域进行了剪切、缩放和拼接，以便更好地集中于缺陷相关区域；其次，应用裁减主干网络算法，去除了原版YOLOv3主干网络中的无用检测尺度层；最后，利用数据增强算法增加了训练样本量。实验案例结果表明，该算法的检测精度达到了99.2%，单帧图像检测时间为0.01秒，性能优于原版YOLOv3；尤其在固定摄像头场景下，该算法具有一定的先进性，通过三项提升注意力的策略，算法训练精度更快地收敛，检测速度更快，检测性能更加稳定。