La detección de defectos en la superficie es crucial para garantizar la calidad de la fabricación de acero en tiras. La detección de defectos en la superficie del acero en tiras requiere clasificación de defectos y localización de precisión, lo cual es un desafío en aplicaciones del mundo real. En esta investigación, proponemos una red mejorada PP-YOLOE-m para detectar defectos en la superficie del acero en tiras. Primero, se realiza una ampliación de datos para evitar el problema de sobreajuste y mejorar la capacidad del modelo para generalizar. En segundo lugar, se incrusta la Atención de Coordenadas en la estructura CSPRes de la red principal para mejorar las capacidades de extracción de características de la red principal y obtener más información de ubicación espacial. En tercer lugar, el Agrupamiento Piramidal Espacial se reemplaza específicamente por el Agrupamiento Piramidal Espacial Atrous en la red del cuello, lo que permite que la red multinivel amplíe su campo receptivo y obtenga más información a nivel global. Finalmente, la función de pérdida SIoU calcula de manera más precisa la pérdida de regresión sobre GIoU. Los resultados experimentales muestran que el AP de la red mejorada PP-YOLOE-m, AP y AP, respectivamente, lograron un 44,6%, 80,3% y 45,3% para la detección de defectos en la superficie del acero en tiras en el conjunto de datos NEU-DET y mejoraron en un 2,2%, 4,3% y 4,6% respecto a la red PP-YOLOE-m. Además, nuestro método tiene capacidades de detección rápidas y en tiempo real y puede funcionar a 95 FPS en una sola GPU Tesla V100.