针对人工和传统自动化算法检测牵引座焊缝表面存在检测精度低、速度低的问题，提出一种轻量型的牵引座焊缝表面质量检测算法YOLOv5s-G2CW。首先，用GhostBottleneckV2模块替换YOLOv5s中的C3模块以降低模型的参数量；其次，在YOLOv5s模型的Neck部分引入CBAM（Convolutional Block Attention Module），在通道和空间两个维度上融合焊缝特征；然后将YOLOv5s的定位损失函数改进为Wise-IoU以聚焦普通质量锚框的预测回归；最后移除YOLOv5s模型中用于大物体检测的
特征层以进一步降低模型的参数量。实验结果表明，与YOLOv5s模型相比，YOLOv5s-G2CW的模型大小减小了53.9%，帧率提高了8.0%，平均精度均值（mAP）提高了0.8个百分点，能够满足牵引座焊缝表面质量检测的准确性和实时性要求。
