La detección eficiente de daños en las palas de los aerogeneradores (WTB), la parte central de la energía eólica, es muy importante para la energía eólica. En este artículo, se diseña un modelo mejorado de YOLOv7 para mejorar el rendimiento de la detección de daños en la superficie de los WTB basándose en imágenes de vehículos aéreos no tripulados (UAV) de baja calidad. (1) Se incorpora un módulo de atención de canal eficiente (ECA), que hace que la red sea más sensible a los daños para disminuir las detecciones falsas y las omisiones causadas por la imagen de baja calidad. (2) Se introduce un módulo de DownSampling para retener información clave de características y mejorar la velocidad y precisión de detección, que están restringidas por imágenes de baja calidad con grandes cantidades de información redundante. (3) Se aplica la Intersección sobre Unión de Múltiples Atributos (MIoU) para mejorar la ubicación de detección inexacta y el tamaño de la región de daño. (4) Se desarrolla el transformador de mezcla de convolución de grupo dinámico (DGST) para mejorar la capacidad de capturar de manera integral los contornos, texturas e información potencial de daño. En comparación con YOLOv7, YOLOv8l, YOLOv9e y YOLOv10x, los resultados de este experimento muestran que el YOLOv7 mejorado tiene el mejor rendimiento de detección de manera sintética, considerando la precisión de detección, la velocidad de detección y la robustez.