풍력 터빈 블레이드 결함 검출 과정에서 정확도가 낮고 누락 검출 및 오탐 문제가 존재하여 YOLOv8 기반의 개선된 알고리즘을 제안하였다. 먼저, 효율적인 다중 스케일 어텐션 기반의 이중 컨볼루션 커널 구조로 병목 구조를 대체하여 DE-C2f 모듈을 형성하고, 네트워크의 다중 스케일 특징 추출 능력을 향상시켰다. 다음으로, 글로벌 수용 영역 특징 융합 모듈(GRE-SPPF)을 설계하여 네트워크가 전역 특징 정보를 캡처하고 수용 영역을 확장하도록 도왔다. 마지막으로 Neck에 소형 객체 검출층과 다중 스케일 특징 융합 구조를 추가하여 소형 및 복잡한 객체 검출 성능을 높였으며, 검출 헤드 앞에 어텐션-컨볼루션 융합 모듈(ACFM)을 도입하여 네트워크가 핵심 정보에 집중하고 효과적으로 배경 간섭을 억제하도록 하였다. 풍력 터빈 블레이드 결함 데이터셋에 대한 실험 결과, 개선된 알고리즘의 mAP@0.5와 mAP@0.5:0.95는 각각 91.1%와 61.8%에 도달했으며, 기준 알고리즘 대비 각각 6.2%와 6.4% 향상되었고, 재현율은 84.9%로 7.7% 증가했으며, 파라미터 수는 크게 증가하지 않아 풍력 터빈 블레이드 결함 검출에 효과적으로 적용할 수 있다.

풍력 터빈 블레이드; 결함 검출; YOLOv8; 다중 스케일 특징; 소형 객체; 어텐션 메커니즘