珩磨网纹缺陷是气缸套质量的重要指标，广泛采用的人工质检方法存在检测精度与效率低及人工误差等问题，且相关自动化检测方法不能区分缺陷类别，因此，提出一种基于改进YOLOv8n模型的气缸套缺陷检测方法，可细致识别7类珩磨网纹缺陷。首先基于几何特征参数定义7类珩磨网纹缺陷；然后基于轻量化卷积设计SC-C3模块以减少模型计算参数；同时，引入通道优先注意力机制提高网络的特征提取能力；最后，采用Wise-IoU损失函数减小低质量样本的负面影响。研究结果表明，所提检测方法可以在复杂网纹背景下较好地识别区分复合缺陷，且检测模型的mAP@0.5(交并比为0.5时的平均精度均值)达到96.7%,帧率达476帧/s,较YOLOv8n模型时提高了2%识别精度并降低了0.7 GFLOPs(每秒十亿次浮点运算次数)。该研究为气缸套内表面缺陷检测提供了高速自动化高精解决方案。