La detección rápida y precisa de defectos en la superficie de la caja de cambios de los aerogeneradores es crucial para el mantenimiento de los aerogeneradores y la seguridad energética. Sin embargo, debido a la distribución desigual de los defectos en la superficie de los engranajes y la interferencia de fondos complejos, existen limitaciones en la detección de defectos en la superficie de los engranajes; por lo tanto, este artículo propone un método de detección basado en la reconstrucción de características a escala múltiple para defectos en la superficie de la caja de cambios de los aerogeneradores. Primero, se utilizó el Swin Transformer como red principal basada en la red PSPNet para obtener características globales y locales a través de la reconstrucción de características a escala múltiple. En segundo lugar, se utilizó un Módulo de Similitud de Características para filtrar subbloques de características importantes, lo que aumentó las diferencias entre clases y redujo las diferencias dentro de la clase para mejorar la capacidad discriminativa del modelo para características similares. Finalmente, la fusión de información contextual utilizando el módulo de agrupación piramidal mejoró la extracción de características de defectos en la superficie de los engranajes en diferentes escalas. Los resultados experimentales indicaron que el algoritmo mejorado superó al algoritmo PSPNet original en un 1.21% y 3.88% para la intersección media sobre la unión y la precisión media de píxeles, respectivamente, y superó significativamente a las redes de segmentación semántica como U-Net y DeepLabv3+.