Настоящее исследование направлено на разработку подходов к обнаружению и классификации дефектов лопаточного аппарата турбомашин и оценку проявления дефектов на характеристики установки. Актуальность работы связана с использованием цифровых технологий при дефектоскопии лопаточного аппарата. В ходе исследования подготовлена и обучена модель сверточной нейронной сети YOLOv8s на двух наборах данных: с искусственно визуализированными изображениями дефектов и фотографиями лопаток после эксплуатации. На основе анализа результатов обучения и тестирования моделиYOLOv8s на базе данных с искусственными изображениями дефектов лопаточного аппарата достигнута точность 97,8%. На подготовленном наборе реальных данных YOLOv8s имеет среднюю точность mAP0,5 = 0,84. Описан подход к оценке влияния дефектов лопаточного аппарата на характеристики турбомашин по результатам численных экспериментов и применение методов машинного обучения для прогнозирования развития дефектов или оценки изменения характеристик турбомашин с дефектами. Исследование показывает перспективность применения цифрового подхода к обнаружению и оценке влияния дефектов лопаточного аппарата на эксплуатационные характеристики турбомашин.