本发明公开了一种基于改进YOLOv8的钢材表面缺陷目标检测方法,其方法包括获取公开的钢材表面缺陷数据集NEU‑DET;将数据集按照8:1:1划分为训练集,测试集和验证集;对图像进行数据增强;构建改进的YOLOv8‑ST网络模型,将训练集和验证集导入检测模型训练;将训练好的检测模型对测试集上进行目标检测。本发明通过将Backbone中的C2f模块中的Bottleneck用MSBlock替换,构建为C2f_MSBlock模块,引入了多个分支来执行特征提取,并随着网络的深入逐渐增加卷积的核大小;在特征融合网络中引入轻量级上采样算子CARAFE,提高融合特征的质量和丰富度;将模型使用的CIoU损失函数替换为Wise‑Inner‑ShapeIoU损失函数,在聚焦于普通质量的锚框的前提下关注边界框本身的形状和尺度来计算损失;使用Mosaic数据增强,丰富了数据集的样本。本发明相较于原YOLOv8模型在检测精度上有明显提升。