实现了对核桃外壳缺陷的快速识别，提高基于机器视觉的核桃分选效率，提出了一种基于改进的 YOLOv5s核桃外壳缺陷检测方法。YOLOv5s网络中大量采用卷积核为3的卷积进行特征提取，为降低网络的计算量，本文提出利用深度可分离卷积代替残差网络中所采用的卷积核为3的卷积，提高对核桃外壳检测的速度。此外，为了保证精度能够满足要求，采用了改进的均值聚类对检测框进行初始化，提高生成的检测框的质量，进而提高核桃外壳缺陷检测精度。由于聚类方法相对整个网络结构计算量较小，因此对核桃外壳检测的速度影响较小。通过实验对比分析，改进后的YOLOv5s能够快速识别出核桃外壳缺陷，而且识别精度基本保持不变。