Los defectos de apariencia impactan significativamente la calidad del cigarrillo. Sin embargo, en las actuales líneas de producción de alta velocidad, la inspección manual y los métodos tradicionales no logran satisfacer las demandas reales de inspección. Por lo tanto, se presenta un modelo de detección de defectos en tiempo real y de alta precisión para la apariencia del cigarrillo, SCS-YOLO. El modelo integra la convolución de espacio a profundidad (SPD-Conv), un módulo de atención de bloque convolucional (CBAM) y un módulo convolucional auto-calibrado (SCConv). SPD-Conv reemplaza la estructura de agrupación para mejorar la granularidad de la información de características. CBAM mejora la capacidad de prestar atención a las ubicaciones de los defectos. La convolución auto-calibrada mejorada amplía el campo receptivo de la red y la capacidad de fusión de características. Además, la pérdida de IoU completa (CIoU) se reemplaza con la pérdida de IoU eficiente (EIoU) para mejorar la localización del modelo y mitigar el desequilibrio de muestras. Los resultados experimentales muestran que la precisión de SCS-YOLO es del 95,5% y el valor de mAP (precisión promedio) es del 95,2%. En comparación con el modelo original, la precisión y el valor de mAP del modelo SCS-YOLO mejoran en un 4,0%. Además, el modelo logra una velocidad de detección de 216 FPS, cumpliendo con las demandas de precisión y velocidad de las líneas de producción de cigarrillos. Nuestra investigación impactará positivamente en la detección en tiempo real de defectos de apariencia en las líneas de producción de cigarrillos.