摘要:针对钢材表面缺陷类型繁多、尺寸差异显著,且现有模型结构复杂、检测精度不高等问题,提出一种改进YOLOv8n的钢材表面缺陷检测算法。首先,在特征提取模块引入全维动态卷积(ODConv),实现对多维度特征的高效捕捉, 减少信息损失;其次,在特征融合模块嵌入渐进特征金字塔网络(AFPN)结构,促进非相邻层级特征间的直接交互,缓解语义断层,提高特征融合质量;最后,在损失函数部分应用动态非单调聚焦机制的Wise-IoUv3替代原有的CIoU损失,以优化边界框回归,加快网络收敛的同时提高检测精度。在NEU-DET数据集上进行多组实验,结果表明,改进后的YOLOv8-ODAW网络模型相比原网络模型mAP50%提升了7.3%、GFLOPs下降了21.95%,对钢材表面缺陷有更好的定位能力和检测精度,检测速度能够满足工业检测的要求。