为解决传统巡检图像检测方法对电力设备小目标缺陷检测能力弱、错检和漏检率高、浅层网络语义信息不足等问题，提出针对电力设备小目标缺陷的多尺度特征融合增强检测模型（multi-scale feature fusion enhanced youonlylookonce,MFFE-YOLO）。该方法设计了一种多尺度特征融合增强机制（multi-scalefeaturefusion enhancement,MFFE），能够更全面地捕捉目标特征。研究表明：在C2f-EF模块中嵌入跨空间学习多尺度注意力机制EMA以及FasterNet Block，能够优化模型的运行效率；MFFE-YOLO方法的平均精度、参数量和帧率指标均优于其他方法，能够实现高精度与实时性之间的良好平衡。