본 논문은 풍력 발전소의 날개, 타워 등 주요 부품의 결함 탐지를 위해 가시광선과 열화상을 모두 활용하는 YOLO 기반 심층 학습 모델 앙상블을 제안합니다. 일반적인 YOLOv8 모델과 열화상 전용 모델을 결합하고, 정교한 바운딩 박스 융합 알고리즘을 통해 예측 결과를 통합하는 방식입니다. 실험 결과, 제안된 방법은 mAP@.5 0.93, F1-score 0.90을 달성하여 단일 YOLOv8 모델(mAP@.5 0.91)보다 성능이 향상됨을 보였습니다. 이는 다중 YOLO 아키텍처와 융합된 다중 분광 데이터를 활용하면 시각적 및 열적 결함 탐지의 신뢰성을 높일 수 있음을 시사합니다.
