本数据集为风力发电机叶片表面缺陷检测与分类任务提供了高质量的图像资源，采用YOLOv8格式进行标注，共包含963张图像。数据集涵盖了六类常见的叶片表面缺陷：Burn Mark（烧痕）、Crack（裂纹）、Erosion（腐蚀）、Paint（油漆问题）、Sticker（贴纸）和dirt（污渍）。这些缺陷类型涵盖了风力发电机叶片运行过程中可能遇到的主要表面损伤情况，对于叶片的维护保养和故障诊断具有重要意义。数据集在预处理阶段对图像进行了自动方向校正和尺寸标准化（416x4416像素），并通过随机旋转（-15°至+15°）和剪切变换（水平及垂直方向-15°至+15°）进行了数据增强，生成了每个源图像的三个变体，有效提高了模型的泛化能力。数据集按照训练集、验证集和测试集进行了合理划分，为深度学习模型的训练和评估提供了完整的数据支持。该数据集来源于qunshankj平台，遵循CC BY 4.0许可协议，可用于学术研究和工业应用，为风力发电设备的智能检测系统开发提供了宝贵的数据资源。
