Bài báo này đề xuất một tập hợp các mô hình học sâu dựa trên YOLO, tận dụng cả ảnh nhiệt và ảnh khả kiến để phát hiện khuyết tật trong các thành phần chính như cánh quạt và tháp của nhà máy điện gió. Phương pháp này kết hợp mô hình YOLOv8 phổ biến với một mô hình nhiệt cụ thể và tích hợp kết quả dự đoán thông qua một thuật toán hợp nhất hộp giới hạn tinh vi. Kết quả thực nghiệm chứng minh rằng phương pháp đề xuất đạt độ chính xác trung bình (mAP@.5) là 0,93 và điểm F1 là 0,90, cải thiện đáng kể hiệu suất so với một mô hình YOLOv8 đơn lẻ (mAP@.5 là 0,91). Điều này cho thấy việc tận dụng nhiều kiến trúc YOLO và dữ liệu đa phổ hợp nhất có thể nâng cao độ tin cậy của việc phát hiện khuyết tật bằng hình ảnh và nhiệt.
