为了解决异型烟核对工作量繁重，降低条烟误检率，提高烟草物流行业的工作效率和智能化水平，提出一种基于改进YOLOv5的异型烟检测算法。该算法以YOLOv5作为基础框架，通过引入金字塔切分注意力(PSA)模块来提取特征空间域信息，并与Focus模块提取的特征通道域信息融合，获得多维度特征信息；空洞空间金字塔池化（ASPP）用于改进SPP模块，使用不同比率的空洞卷积运算，可在保证分辨率的情况下扩大感受野，减少运算参数；使用K-means++聚类算法对锚框进行优化，提高锚框与所获得图像的匹配度。使用生产现场采集的异型烟数据集对算法进行训练，结果表明，m AP参数为94.14%，比优化前提高5.04个百分点。改进后的模型未引入复杂模块，可部署在AI边缘计算集成开发板中，推理和识别时间约为75ms，能满足生产现场实时性要求。