風力タービンのブレードにおける欠陥検出精度が低く、見逃しや誤検出の問題があるため、YOLOv8に基づく改良アルゴリズムを提案した。まず、高効率多尺度注意機構に基づく二重畳み込み核構造をボトルネック構造の代わりに用いてDE-C2fモジュールを形成し、ネットワークの多尺度特徴抽出能力を向上させた。次に、グローバル受容野特徴融合モジュール（GRE-SPPF）を設計し、ネットワークが全体的な特徴情報を捕捉し、受容野を拡大できるようにした。最後に、Neckに小さな対象物検出層と多尺度特徴融合構造を追加して、小さな対象物や複雑な対象物の検出性能を向上させ、検出ヘッドの前に注意・畳み込み融合モジュール（ACFM）を導入して、ネットワークが重要な情報に注目し、背景の干渉を効果的に抑制するようにした。風力タービンブレードの欠陥データセットでの実験結果は、改良アルゴリズムのmAP@0.5およびmAP@0.5：0.95がそれぞれ91.1％および61.8％に達し、基準アルゴリズムに比べて6.2％および6.4％向上し、再現率は84.9％で7.7％増加し、パラメータ数はほとんど増加せず、風力タービンブレードの欠陥検出に効果的に適用できることを示した。

風力タービンブレード;欠陥検出;YOLOv8;多尺度特徴;小さな対象物;注意機構