Ante el problema de las dificultades de detección causadas por las características de alta similitud y disposición desordenada de las piezas de trabajo en escenas densas de líneas de producción industrial, este documento propone un método de detección de piezas de trabajo basado en YOLOv5 mejorado, que incorpora un mecanismo de atención de coordenadas en la red de extracción de características para mejorar el enfoque de la red en características importantes y mejorar la capacidad del modelo para señalar objetivos. La estructura de agrupamiento de la pirámide espacial ha sido reemplazada, lo que reduce la cantidad de cálculos y mejora aún más la velocidad de ejecución. Se introduce una pirámide de características bidireccionales ponderadas en la red de fusión de características para realizar una conexión bidireccional eficiente entre escalas y una fusión de características ponderada, y mejorar la capacidad de detección de objetivos pequeños y densos. Se utiliza la función de pérdida SIoU para mejorar la velocidad de entrenamiento y mejorar aún más el rendimiento de detección del modelo. La precisión promedio del modelo mejorado en el conjunto de datos de artefactos autoconstruido se mejora en un 5% en comparación con el modelo original y el número de parámetros del modelo es de 14.6MB, que es solo 0.5MB más alto que el modelo original. Se demuestra que el modelo mejorado tiene características de alta precisión de detección, fuerte robustez y peso ligero.