El control de calidad en equipos de fabricación depende en gran medida de la detección de defectos en la superficie de acero. Recientemente, ha habido un número creciente de esfuerzos en los que se han utilizado técnicas de detección de objetos para lograr resultados prometedores en la detección de defectos en la superficie de acero, ya que los patrones de defectos pueden considerarse objetos. Para mejorar el rendimiento de detección en el problema de detección de objetos, el paso de supresión de no máximo (NMS), que elimina cajas redundantes superpuestas con una caja que tiene la mayor puntuación de detección, es esencial. En este trabajo, proponemos un nuevo NMS para mejorar el método de detección de defectos en la superficie de acero. El enfoque de NMS propuesto está compuesto por tres técnicas novedosas: regularización de IoU, ajuste de umbral y modificación de regla de comparación para mejorar el rendimiento de detección. Para evaluar el rendimiento del NMS propuesto, llevamos a cabo experimentos numéricos extensos utilizando los modelos YOLOv7 y EfficientDet en los conjuntos de datos de defectos en la superficie de acero, NEU-DET y GC10-DET. Los resultados experimentales demuestran que el NMS propuesto supera a los métodos de NMS convencionales tanto de manera cuantitativa como cualitativa.