本发明公开了一种基于FPDNet的钢铁产品表面缺陷检测方法，属于钢材表面缺陷检测技术领域，包括：在带钢表面缺陷图像数据集中采集数据样本，并对样本进行预处理；基于YOLOv8目标检测框架，设计包含可变形卷积和注意力机制的热轧带钢表面缺陷目标检测模型，并选择HGNetv2网络作为目标检测模型的特征提取器，同时采用GhostConv对骨干网络进行轻量化；利用训练集对模型进行训练，获取最优检测模型；在测试集上测试并输出检测结果与检测速度。本发明基于YOLOv8目标检测框架，选择参数量较少的卷积神经网络HGNetv2作为特征提取网络，同时设计了基于调制可变形卷积和MPCA注意力机制的CEDLAM模块，并选择SIoU损失函数，在提高模型的检测准确度和速度的同时大大降低了模型的参数量。