Para detectar defectos con precisión, proponemos un modelo mejorado basado en YOLOv8, llamado STE-YOLO. Para abordar los desafíos mencionados anteriormente, este documento adopta YOLOv8 como el modelo mejorado. La estructura de este documento es la siguiente: Mejoramos la extracción de características del modelo y el reconocimiento de pequeños detalles mediante la integración de GhostConv en convoluciones parciales. Para abordar el sesgo de atención del modelo, introducimos una capa de convolución de autoatención del transformador de cuello de botella que mejora efectivamente la precisión de la caja de localización. Para el problema de desajustes en la categoría de defectos, explotamos el mecanismo de atención C2f-LSKA en la cabeza del modelo para abordar este problema. Los resultados experimentales indican que el modelo mejorado logra una precisión promedio media (mAP) del 79.0%, en comparación con el 65.8% del modelo original, lo que marca una mejora del 13.1%. STE-YOLO aumenta significativamente la precisión para detectar defectos en la superficie del acero laminado.