本研究提出了一种新的多光谱图像组合方法，通过结合热成像和RGB图像，提高了风力涡轮机叶片的缺陷检测效率。结果表明，YOLOv8模型的检测指标显著提升，验证了该方法在维护和可靠性方面的有效性。

风能生产是可持续发展和减少对化石燃料依赖的关键部分。本文介绍了一个新颖且多样化的数据集，其中包含了从多个风力涡轮机检查中收集到的几乎不可见的细小裂缝。通过使用无人机进行定期检查和维护，可以延长风力涡轮机的使用寿命和效率。

本文探讨了基于深度学习和机器学习的故障检测技术，主要应用于无人机和风力涡轮机叶片的缺陷检测。这些方法有效提高了检测准确性，降低了维护成本，并延长了设备使用寿命。通过结合不同算法，评估其在机器性能预测中的表现，为维护专家提供选择依据。