1.一种基于改进YOLOv8的钢材表面缺陷目标检测方法，其特征在于，包括：

1.1.获取公开钢材表面缺陷数据集NEU‑DET，该数据集1800张缺陷图像，每种缺陷300张，共六种类别；

1.2.按照8:1:1的比例将数据集划分为训练集、测试集和验证集；

1.3.对数据集进行Mosaic增强；

1.4.构建基于改进YOLOv8的钢材表面缺陷目标检测网络YOLOv8‑ST，具体包括：将目标检测网络的backbone部分的C2f层中的Bottleneck用MSBlock替换，构成C2f_MSBlock模块；

在特征融合网络中引入轻量级上采样算子CARAFE；

提出Wise‑Inner‑ShapeIoU替换CIoU作为网络的损失函数，具体包括：保留WiseIoU的部分权重，再将InnerIoU和ShapeIoU计算的得分相加并归一化，将得到的损失值乘以WiseIoU的权重，数学表达式如下：其中， 为WiseIoU损失函数的权重，S和I分别是ShapeIoU和InnerIoU损失函数，weight为所有正样本的scores分数之和，scores为目标检测输出的每个边界框的分数，β为离群度，δ和α为超参数；

1.5.将训练集和验证集导入网络进行训练，得到钢材表面缺陷目标检测模型；

1.6.用检测模型对测试集进行钢材表面缺陷检测。

2.如权利要求1所述的一种基于改进YOLOv8的钢材表面缺陷目标检测方法，其特征在于步骤1.2.中Mosaic数据增强过程包括：首先，随机选择四张图像进行数据增强操作，包括翻转、缩放和色彩调整；操作完成之后将原始图片按照第一张图片摆放在左上，第二张图片摆放在左下，第三张图片摆放在右下，第四张图片摆放在右上四个方向位置摆好；将四张图像固定区域进行截取，拼接成一张新的图像，其中包含框选信息。

3.如权利要求1所述的一种基于改进YOLOv8的钢材表面缺陷目标检测方法，其特征在于，所述C2f_MSBlock模块包括：C2f_MSBlock模块中的MSBlock层将输入分割成多个分支，每个分支处理不同的特征子集，在分支内部，通过1×1卷积进行特征转换；然后连接一个k×k的深度可分离卷积；之后再连接一个1×1卷积减少参数量；最后，所有的分支再经过一个1×1卷积进行融合，整合各个分支的特征。