针对服装疵点检测方法，提出了基于YOLOv8改进的算法YOLOv8-MBRGA,用于完成服装疵点的检测任务。引入BiFPN金字塔替换head层中的concat连接，将语义信息传递到不同的特征尺度上，从而增强特征融合。为加速模型的收敛速度和推理速度，在检测头上增加RepVGG网络，有助于更好地训练深层次的网络模型。采用分离卷积替换Conv卷积降低网络的复杂度并融入注意力机制EffectiveSE增强模型的特征提取和多尺度信息融合的能力。试验结果表明，YOLOv8-MBRGA算法在服装疵点检测上获得了显著的效果，平均精度均值提高了5.50%,精确度提高11.06%,在推理速度基本保持不变的情况下，模型的计算量下降30.48%。