耗能梁段是偏心支撑钢框架中基本的耗能构件，在地震过程中的损伤程度影响着结构局部及整体安全。目前，耗能梁段损伤或破坏程度的定性评级多依赖人工目测，评价结果主观性强。同时，灾后建筑破坏程度不明，严重制约人工检测实施效能。为对震后耗能梁段损伤状态进行准确、快速评估，本研究在YOLO-v8n模型的基础上，加入高效多尺度注意力模块和加权双向特征金字塔结构，提出了EB-YOLO-v8n耗能梁段损伤识别模型。首先设计并完成9个不同参数的耗能拟静力试验，采用图像拍摄设备记录不同破坏程度下的结构局部损伤情况，汇总成数据集。其次，为保证数据集质量，采用Mosaic+Fliplr数据增强技术对输入数据进行增强处理，共得到2612张图像作为数据集。再次，对数据集中的各种损伤进行标注并输入到模型中训练。最后，对相关创新模块进行消融实验，分析了每一个改进模块的有效性。结果表明，EB-YOLO-v8n模型的平均精度值均高于文中提到的其他模型，说明改进后的模型在参数量基本不变的情况下具有更强的鲁棒性。此外，根据消融试验结果可以得出，EB-YOLO-v8模型的平均精度值分别高于E-YOLO-v8n、B-YOLO-v8n模型1.5、5.0个百分点，并且其单张图片平均识别时间也具有一定优势。EB-YOLO-v8n模型兼顾了精度与速度之间的平衡，契合了震后损伤识别需求中高精度与快速的特点，可以满足实际工程复杂工况的需求。