Debido a los factores irresistibles de las propiedades de los materiales y la tecnología de procesamiento en la producción de acero, puede haber diferentes tipos de defectos en la superficie del acero, como escamas de laminación, parches, etc., que afectan seriamente la calidad del acero, y por lo tanto tienen un impacto negativo en la eficiencia económica de las empresas. Diferente de las tareas generales de detección de objetivos, las tareas de detección de defectos tienen objetivos pequeños y objetivos con una relación de aspecto extrema. La contradicción de una alta precisión de posicionamiento para los objetivos y sus características poco conspicuas hace que las tareas de detección de defectos sean difíciles. Por lo tanto, en este artículo se mejoró el algoritmo original YOLOv5 para mejorar la precisión y eficiencia en la detección de defectos en superficies de acero.