风力机叶片大多数为玻璃纤维环氧树脂复合材料(Glass Fiber Reinforced Plastic,简称GFRP),是风力机获取风能的关键部件。在叶片的生产过程中,往往因为其制作工艺的特殊,自动化程度不高,导致生产出来的叶片存在表面或内在的缺陷,如褶皱、气泡、缺胶等。这些缺陷在高空复杂载荷的作用下,由厘米级逐渐扩大,对结构层造成破坏,酿成重大事故。因此,检测出叶片中的内部缺陷对于保证风力机的安全性、减少维护成本和停机损失有着重要的意义。但是红外热像仪采集得到的风力机叶片红外图像非常不均匀,而且普遍存在对比度低、信噪比低、边缘易模糊等问题,严重影响红外热成像识别目标的能力。首先研究了持续热激励红外无损检测技术的原理和方法,选择适合的激励方式和检测参数,搭建红外热成像系统,设计并制造了包括气泡、脱胶、分层、褶皱、夹杂等常见缺陷的试件;接着对玻璃纤维环氧树脂复合材料试件进行红外热像实验,研究采集缺陷试件表面温度场图像序列的步骤和方法;为了解决试件表面温度场分布不均匀的的问题,使用多项式拟合的方法,做非均匀性校正,使得光照过强或过暗的部位得到抑制。为了提高风力机叶片红外图像的对比度,本文使用傅里叶变换与对比度受限自适应直方图均衡化(CLAHE)相结合的方法对红外图像进行增强处理。首先对原始热图序列做快速傅立叶变换,提取出相位信息,然后采用CLAHE算法对效果最好的一张相位图增强处理。这种处理方式使得加热不均匀、表面形状对检测影响等问题得到解决,避免了初始条件和外界因素的影响,同时克服传统直方图均衡算法噪声过大及亮度突变的等缺点,提高了红外图像的对比度,实现图像增强的目的。经过增强处理,使得红外图像的对比度信噪比高于其他传统方法,提高了风力机叶片红外热成像缺陷的识别能力。最后,为了进一步验证风力机叶片红外无损检测方法的有效性,在现场对风力机叶片进行检测,并对检测结果进行分析。在保证效果与计算量的前提下优化现有红外热像图像增强方法,并基于红外图像及人眼视觉特性,改善图像处理后最终的视觉效果,提高其性能,并使之具有对于多种场景的自适应性。经过现场对叶片检测后,发现红外热像无损检测可以有效地提高风力机叶片红外图像缺陷的识别能力,对于保证风力机的安全性和高效性、延长使用寿命、减少维护成本和停机损失具有十分重要的意义。