Varios defectos superficiales en los procesos de colocación automatizada de fibras (AFP) afectan la calidad de formación de los componentes. Además, la detección de defectos generalmente requiere observación manual a simple vista, lo que conduce a una baja eficiencia de producción. Por lo tanto, las soluciones automáticas para el reconocimiento de defectos tienen un alto potencial económico. En este documento, proponemos un algoritmo de detección de defectos AFP multi-escala, llamado fusión de características de pirámide espacial YOLOv5 con atención de canal (SPFFY-CA). La fusión de características de pirámide espacial YOLOv5 (SPFFY) adopta convoluciones dilatadas de pirámide espacial (SPDCs) para fusionar los mapas de características extraídos en diferentes campos receptivos, integrando así información de defectos multi-escala. Para los mapas de características obtenidos de una función de concatenación, la atención de canal (CA) puede mejorar la capacidad de representación de la red y generar características más efectivas. Además, se utiliza el método de entrenamiento y poda de esparcimiento (STP) para lograr un adelgazamiento de la red, asegurando así la eficiencia y precisión de la detección de defectos. Los resultados experimentales del conjunto de datos PASCAL VOC y nuestros conjuntos de datos de defectos AFP demuestran la efectividad de nuestro esquema, que logra un rendimiento superior.