针对铸造零件X射线DR图像小目标缺陷特征不明显，现有目标检测算法精度不高的问题，提出一种基于YOLOv8的铸件DR图像小目标缺陷检测方法。首先通过CLAHE算法，增加图像对比度，突出缺陷细节。其次对灰度图像进行通道扩充，增加深度学习网络可学习信息。最后改进YOLOv8网络，使用空洞卷积提取更大感受野的初始特征；引入Sim AM注意力机制加强重要特征；添加小目标检测层获得较大尺寸的特征图。结果表明，改进的YOLOv8算法对铸件小目标缺陷检测的均值平均精度（m AP）和m AP@0.5∶0.95分别达到了86.1%和52.5%，较原模型分别提高了2.87%和10.10%，铸件小目标缺陷检测精度更高。