针对在课堂行为检测任务中目标分布密集、存在遮挡导致的漏检、误检等问题，提出了一种基于YOLOv8n改进的学生课堂行为检测算法SCB-YOLOv8。首先在C2f模块中融入注意力机制模块，提高模型的特征提取能力。然后将FPN结构改为BiFPN，高效提取上下文信息，实现多尺度特征融合。最后在模型头部增加较浅特征层P2的检测头，提升对小目标的检测效果。实验结果表明，该算法适用于课堂场景目标检测任务，能有效提升课堂行为识别的检测精度。