风能作为一种清洁可再生的环境友好型能源,已在各个领域得到广泛应用。而出于最大限度利用风能的目的,风力发电场一般选择在海上、戈壁滩以及山区等空旷地区。其中陆上风电,例如甘肃酒泉风电基地,风沙天气频繁,风力发电机叶片表面常年受到风沙的侵蚀而造成表面凹坑、划痕、裂纹等各种缺陷,这些缺陷若不及时加以修复往往会招致不可逆重大安全事故。目前传统叶片表面缺陷检测方法主要有敲击辩音、地面望远镜观察以及人工目测等,以上诸多方法存在盲区大、长耗时、劳动强度大、高空作业、效率低、停机发电损失大等很多弊端。因此基于上述问题,本文基于机器视觉理论及图像处理技术提出一种快速高效的叶片表面缺陷检测方法,进而为风电结构的安全运营提供技术支持。本文主要进行以下几个方面的研究:(1)介绍了当前国内外风力发电机组和机器视觉理论的发展状况,重点介绍了风力发电机正常工作状态下,叶片表面受外部环境侵蚀影响,造成其表面产生的缺陷分类、参数、以及目前现行的常规检测方法;(2)基于叶片表面实际缺陷种类及缺陷形状,确定机器视觉各子系统参数来优选适宜的图像采集各子系统的组件进行叶片表面缺陷无损检测系统的搭建,然后由搭建检测平台对风力发电机叶片试件的表面进行图像信息采集;(3)基于数字图像处理理论及风力发电叶片表面缺陷识别的实际需求,优选出图像处理流程中图像预处理、图像分割及形态学处理各步骤中满足叶片表面缺陷识别及参数计算的最佳算法;并结合图像质量评价函数对其算法进行各参数优化,从而最终编制出高效适用的风电叶片表面缺陷图像处理算法;(4)通过对数字图像处理后叶片图像中的缺陷特征提取以及对划痕的长度、宽度、周长及面积等区域描述子参数的识别,结合试验室小功率风力发电机完成对叶片表面缺陷进行缺陷图像特征提取、缺陷区域参数计算及叶片状态评估。