本发明公开了一种基于改进yolov7的钢材缺陷检测方法，涉及yolov7检测算法技术领域，为解决现有存在计算成本较高，在目标边界的细节和小目标检测方面的表现较差，由于Yolov7具有较大的网络结构和较高的计算要求，训练时间较长，需要更多的计算资源的问题。步骤一：获取NEU‑DET钢材缺陷检测数据集；步骤二：将普通卷积修改为GSconv进行训练，提升速度；步骤三：将融合多尺度注意力机制的dyhead检测头添加到网络模型中；步骤四：使用数据进行迭代训练，生成并保存权重文件。该基于改进yolov7的钢材缺陷检测方法，优化了网络结构，降低了计算成本的同时提升了精度，添加融合尺度注意力、空间注意力、任务注意力的dyhead模块，可以显著提升模型目标检测头的表达能力。