CN111340747B - 风力发电机组叶片图像的处理方法、设备和系统 - Google Patents

Abstract

本发明提供风力发电机组叶片图像的处理方法、设备和系统，所述处理方法包括：包括：在风力发电机组叶轮旋转的状态下，从机舱上的摄像设备实时获取图像序列；筛选预定数量的目标样本图像，将各个目标样本图像中叶片所在区域叠加后形成的外接区域确定为目标区域；从获取的图像序列中的多个图像中筛选目标图像；将筛选出的目标图像数据发送至风电场的通信网络。根据本发明的实施例的风力发电机组的叶片图像的处理方法、设备和系统，从摄像设备拍摄的图像中筛选目标图像，仅发送目标图像用于叶片损伤监测，可减少回传数据量，减少中控网络压力，利用现有风场环网即可完成图像数据回传，增加系统可靠性。

Description

风力发电机组叶片图像的处理方法、设备和系统

技术领域

本发明涉及风力发电领域，更具体地讲，涉及一种风力发电机组叶片图像的处理方法、设备和系统。

背景技术

叶片是风力发电机组中将自然界的风能转换为电能的核心部件，也是衡量风力发电机组设计和技术水平的主要依据。叶片损伤主要包括叶片结冰、雷击、自然开裂、折断和掉落等。及时发现叶片损伤并进行修缮不仅能延长风机叶片的使用寿命还能避免一些严重事故的发生。比如因叶片结冰运行中造成的冰块脱落伤人事件；叶片被雷击或自然开裂之后没有及时修复造成叶片折断，叶片折断或掉落之后没有及时发现带着残损的叶片，或者缺失一个叶片的情况下运行造成风机更严重的二次损伤等。

目前常用的叶片损伤监测手段包括人工巡检、无人机检测和视频监测。人工巡检是指由工人开车检查每一个风机，检测比较粗糙不能发现细小的问题。无人机检测是指使用无人机检测，使用带有摄像机的无人机针对每一个叶片进行详细检查，缺点费用很高。视频监测是指使用网络摄像头直接将叶片视频传输到中控监视风机叶片状态。

然而，现有技术中每个风场的风力发电机组数量少则20台，多则100台以上，风电场环网的通信带宽通常为千兆左右，用于传送每台风力发电机组的实时运行信息和监控信息。利用网络摄像头直接将每台风机的叶片视频传送到风电场环网中，会因为数据量过大导致网络拥塞，不能完成视频传输，甚至风场正常数据也会受到影响。

因此，亟需一种风力发电机组叶片图像的处理方法来减少叶片视频监测需要的数据量。

发明内容

本发明的目的在于提供一种风力发电机组叶片图像的处理方法、设备和系统，以解决现有的叶片损伤视频监测方法传输的数据量过大的问题。

本发明的一方面提供一种风力发电机组叶片图像的处理方法，包括：在风力发电机组叶轮旋转的状态下，从机舱上的摄像设备实时获取图像序列；从获取的图像序列中的多个图像中筛选预定数量的目标样本图像，将各个目标样本图像中叶片所在区域叠加后形成的外接区域确定为目标区域；从获取的图像序列中的多个图像中筛选目标图像，其中，目标图像是指在所述目标区域中检测出的叶片边长最大的图像；将筛选出的目标图像数据发送至风电场的通信网络。

可选地，从获取的图像序列中的多个图像中筛选预定数量的目标样本图像的步骤包括：对每个图像进行边缘检测；扫描边缘检测后的边界点，根据扫描的边界点拟合边界；若拟合的边界形成两条相交直线，则确定为目标样本图像。

可选地，从获取的图像序列中的多个图像中筛选目标图像的步骤包括：确定是否在图像的目标区域检测出叶片；如果在图像的目标区域中检测出叶片，则根据拟合的边界确定叶片前缘和叶片后缘的边长；将图像中叶片前缘与叶片后缘边长之和最长的图像确定为目标图像。

可选地，在风机发电机组叶轮的每个旋转周期内，所述目标图像最多为三个。

本发明的另一方面提供一种风力发电机组的叶片图像的处理设备，包括：获取单元，在风力发电机组叶轮旋转的状态下，从机舱上的摄像设备实时获取图像序列；目标区域确定单元，从获取图像序列中的多个图像中筛选预定数量的目标样本图像，将各个目标样本图像中叶片所在区域叠加后形成的外接区域确定为目标区域；筛选单元，从获取图像序列中的多个图像中筛选目标图像，其中，目标图像是指在其目标区域中检测出的叶片边长最大的图像；发送单元，将筛选出的目标图像数据发送至风电场的通信网络。

可选地，所述目标区域确定单元进行如下处理：对每个图像进行边缘检测；扫描边缘检测后的边界点，根据扫描的边界点拟合边界；若拟合的边界形成两条相交直线，则确定为目标样本图像。

可选地，所述筛选单元进行以下处理：确定是否在图像的目标区检测出叶片；如果在图像的目标区检测出叶片，则根据拟合的边界确定叶片前缘和叶片后缘的边长；将图像中叶片前缘与叶片后缘边长之和最长的图像确定为目标图像。

可选地，在风机发电机组叶轮的每个旋转周期内，所述目标图像最多为三个。

本发明的另一方面提供一种风力发电机组叶片图像的处理系统，包括：摄像设备，安装在机舱上，实时获取图像序列；如上所述的处理设备，从摄像设备获取的多个图像中筛选目标图像；通信网络，用于在风电场的风力发电机组之间形成通信链路；服务器，通过所述通信网络与风力发电机组的处理设备连接，从所述通信网络获取目标图像数据，根据获取的目标图像数据检测叶片表面是否损伤。

可选地，所述摄像设备安装在机舱顶部。

可选地，所述风力发电机组叶片长度是摄像设备与风力发电机组叶轮的水平距离的7-20倍。

本发明的另一方面提供一种风力发电机组叶片图像的处理系统，所述系统包括：处理器；存储器，存储有计算机程序，当所述计算机程序被处理器执行时，执行如上所述的方法。

本发明的另一方面提供一种其中存储有计算机程序的计算机可读存储介质，当所述计算机程序被执行时实现如上所述的方法。

根据本发明的实施例的风力发电机组叶片图像的处理方法、设备和系统，从摄像设备拍摄的图像中筛选目标图像，仅发送目标图像用于叶片损伤监测，既能利用现有的风电场环网传输带宽完成叶片损伤监测，又不影响风电场的正常运行数据。

将在接下来的描述中部分阐述本发明另外的方面和/或优点，还有一部分通过描述将是清楚的，或者可以经过本发明的实施而得知。

附图说明

通过下面结合附图进行的详细描述，本发明的上述和其它目的、特点和优点将会变得更加清楚，其中：

图1示出根据本发明的实施例的风力发电机组叶片图像的处理系统的框图；

图2示出本发明的实施例的风力发电机组的摄像设备的安装位置示例；

图3和图4分别示出了包括叶片前缘的目标样本图像和包括叶片后缘的目标样本图像；

图5示出根据本发明的实施例的风力发电机组叶片图像的处理设备的框图；

图6示出根据本发明的实施例的背景填充后的图像的示例；

图7示出根据本发明的实施例的边缘检测后的图像的示例；

图8示出根据本发明的实施例的风力发电机组叶片图像的处理方法的流程图；

图9A至图9C示出风力发电机组的叶片的基本结构的示意图；

图10A和图10B示出拍摄叶片局部位置的图像示例；

图11示出目标区域的一个示例。

具体实施方式

下面参照附图详细描述本发明的实施例。

图1是示出本发明的实施例的风力发电机组叶片图像的处理系统的框图。如图1所示，根据本发明的本发明的实施例的风力发电机组叶片图像的处理系统包括摄像设备101、处理设备102、通信网络103和服务器104。摄像设备101和处理设备102位于风机就地监控系统中，具体地，摄像设备101和处理设备102设置在机舱上，服务器104位于风场中央监控系统中。

通信网络103用于在风电场的风力发电机组之间形成通信链路。作为示例，所述通信网络103可以是环网。

风机就地监控系统与风场中央监控系统之间可通过通信网络103进行通讯。风场中央监控系统还可包括上位机，上位机与服务器104之间可通过局域网进行连接。服务器104通过通信网络103与风力发电机组的处理设备102连接。

风场中央监控系统与远程互联网监控系统之间可通过互联网进行连接。远程互联网监控系统包括多个Web(全球广域网)浏览器。

摄像设备101安装在机舱上，用于在风力发电机组叶轮旋转的状态下，实时获取图像序列。作为示例，摄像设备101可以是云台相机，可以是360度旋转的云台相机。

图2示出本发明的实施例的风力发电机组的摄像设备101的安装位置示例。如图2所示，摄像设备101安装在机舱顶部。在一个示例中，摄像设备101安装在机舱的测风支架201上。这样，摄像设备101与风力发电机组叶轮的水平距离范围为4米至11米，根据机舱型号不同，该距离略有差异。

现有的750KW风机叶片大概37米长，市场上主流的2.XMW风机叶片50～60米，3～6WM风机叶片60～80米。目前已知长度最长的叶片已达108米。

图9A至图9C是示出风力发电机组的叶片的基本结构的示意图。

参照图9A，叶片包括：最靠近风力发电机组的轮毂的叶根1、最远离轮毂的叶尖3、以及位于叶根1和叶尖3之间的叶翼2。叶尖3具有气动形状，而叶根1的横截面大致为圆形，以减小空气阵风的负载，并使得叶片更加容易地安装到轮毂上。叶翼2的横截面如图9B和图9C所示。参照图9B和图9C，叶翼2具有上壳体2-1(对应于吸力面20)和下壳体2-2(对应于压力面30)，以及前缘12和后缘11。前缘12呈钝圆头形状；后缘11呈尖头形状。

采用图2所示的安装方式，风力发电机组叶片长度是摄像设备与风力发电机组叶轮的水平距离的7-20倍。在风力发电机组叶轮旋转过程中，调整摄像设备101的拍摄角度，尽量拍摄完整的叶片图像。

但是由于机型不同以及叶片长度和机舱尺寸的限制，拍摄到的叶片图像通常不是完整的，有可能拍到叶尖、叶根、或者叶翼局部位置(如图10A和图10B)。因此，需要从拍摄的图像序列中筛选完整的、叶片面积较大的图像(即下文中的目标图像)，这种叶片图像具备较多的有价值信息。

作为示例，风机每旋转一周最多只需要筛选3张目标图像，这样就大大减少了数据传输量，提升运算效率。例如，一张尺寸为1920*1080的图像数据量大概为500k，30秒的视频的数据量大概是40M，在30秒内，本方案大约只需要传输6张图像，总数据量大概是4M左右，减少10倍的数据量。

处理设备102用于从摄像设备101实时获取图像序列，从获取的图像序列中的多个图像中筛选目标图像，并且将筛选的目标图像发送至通信网络103。筛选目标图像的具体方式将在下文中详细描述。

作为示例，处理设备102可实现断点续传、完整传输数据和实时传输数据的功能。

作为示例，所述处理设备102可以是智能板卡，其可被集成在摄像设备101。

服务器104通过所述通信网络103与风力发电机组的处理设备102连接，从所述环网103获取目标图像数据，根据获取的目标图像数据检测叶片表面是否损伤。

图5是示出根据本发明的实施例的风力发电机组叶片图像的处理设备的框图。如图5所示，根据本发明的实施例的风力发电机组叶片图像的处理设备包括获取单元501、目标区域确定单元502、筛选单元503和发送单元504。

获取单元501在风力发电机组叶轮旋转的状态下，从机舱上的摄像设备实时获取图像序列。

目标区域确定单元502用于从获取的图像序列中的多个图像中筛选预定数量的目标样本图像，确定各个目标样本图像中叶片所在的区域，将各个目标样本图像中叶片所在的区域叠加后形成的外接区(即各个目标样本图像中叶片所在的区域的并集)确定为目标区域。可采用各种现有的方法来从多个图像中筛选目标样本图像。

作为示例，目标区域确定单元502进行如下处理来确定目标样本图像：对每个图像进行边缘检测；扫描边缘检测后的边界点，根据扫描的边界点拟合边界；若拟合的边界形成两条相交直线，则确定为目标样本图像。边缘检测和拟合边界的具体过程将在下文进行详细描述。

需要说明的是，拍摄的图像中可能出现云团、光影等噪声。本实施例中利用叶片外形的前缘和后缘在成像后形成相交直线的特点，确定目标样本图像，能够过滤拍摄过程中的无效图片，降低噪声影响。

作为示例，目标区域确定单元502进行如下处理来确定目标区域：将目标样本图像中的两条相交直线围成的区域确定为叶片所在的区域，将各个目标样本图像中叶片所在的区域叠加后形成的外接区确定为目标区域。

图11示出目标区域的一个示例。如图11所示，目标区域为通过统计获取最大叶片显示轮廓可能出现的区域，这个区域会根据叶片的拍摄位置和叶片旋转速度的不同而有区别。图3和图4分别示出了包括叶片前缘的目标样本图像和包括叶片后缘的目标样本图像。

筛选单元503从获取的多个图像中筛选目标图像。该目标图像是指在其目标区域中检测出的叶片前缘和后缘的边长之和最大的图像(即在其目标区域中检测出叶片，且检测出的叶片的前缘和后缘的边长之和，比其前后获取的图像中的叶片的前缘和后缘的边长之和都长的图像)。其前后获取的图像是指在获取目标图像的时间的前后获取的图像。

这里，可采用各种方法来从获取的多个图像中筛选目标图像。例如，筛选单元503可使用特定区域检测技术、动态目标加轮廓识别方法来筛选目标图像。

作为示例，为了减少图像的处理量，可先对每个图像进行背景填充，即将每个图像的目标区域之外的区域填充为黑色。图6示出根据本发明的实施例的背景填充后的图像的示例。

作为示例，还可再对图像进行锐化处理。

以下将介绍对图像进行锐化处理的方法示例。可以理解，该示例不用于限制本发明，本发明还可以使用其他的锐化处理方法。

在图像增强过程中，通常利用各类图像平滑算法消除噪声，图像的常见噪声主要有加性噪声、乘性噪声和量化噪声等。一般来说，图像的能量主要集中在其低频部分，噪声所在的频段主要在高频段，同时图像边缘信息也主要集中在其高频部分。这将导致原始图像在平滑处理之后，图像边缘和图像轮廓模糊的情况出现。为了减少这类不利效果的影响，就需要利用图像锐化技术，使图像的边缘变得清晰。

图像锐化的方法分为高通滤波和空域微分法。图像的边缘或线条的细节(边缘)部分与图像频谱的高频分量相对应，因此采用高通滤波让高频分量顺利通过，并适当抑制中低频分量，使图像的细节变得清楚，实现图像的锐化，以下将描述空域微分法。

一阶微分运算主要指梯度模运算，图像的梯度模值包含了边界及细节信息。梯度模算子用于计算梯度模值，通常认为它是边界提取算子，具有极值性、位移不变性和旋转不变性。

将图像f(x，y)在点(x，y)处的梯度G[f(x，y)]定义为一个二维列矢量：

梯度大的幅值即模值，为：

梯度的方向在f(x，y)最大变化率方向上，方向角可表示为：

对于离散函数f(x，y)也有相应的概念和公式，只是用差分代替微分。差分可取为后向差分，前向差分。

在x,y方向上的一阶向后差分分别定义为：

梯度定义为：

其模和方向分别为：

在实际应用中，梯度的模还有很多近似式，如使用x,y方向上差分绝对值替代模来度量。

梯度的模(幅值)就是g(i，j)＝G[f(i，j)]最大变化率方向的单位距离所增加的量。由梯度的计算可知，在图像灰度变化较大的边沿区域其梯度值大，在灰度变化平缓的区域梯度值较小，而在灰度均匀的区域其梯度值为零。我们根据得到的梯度值来返回像素的值，如将梯度值大的像素设置成白色，梯度值小的设置为黑色，这样就可以将边缘提取出来了，或者是加强梯度值大的像素灰度值就可以突出细节了达到了锐化的目的。

锐化是要突出细节(边界)，所以要对边缘的像素加强(比如直接用梯度值作为像素的灰度或者RGB(红绿蓝)的分量)，而边缘检测只要根据设置的阀值，超过阀值的像素灰度设为0，否则设为255。图7示出根据本发明的实施例的边缘检测后的图像的示例。

作为示例，筛选单元503还对每个图像进行边缘检测、扫描边缘检测后的边界点、根据扫描的边界点拟合边界、根据拟合的边界来确定是否在图像的目标区域检测出叶片，如果在图像的目标区域检测出叶片，则根据拟合的边界确定叶片前缘和叶片后缘的边长。筛选单元503将图像中叶片前缘与叶片后缘边长之和最长的图像确定为目标图像。

作为示例，锐化是要突出细节(边界)，所以要对边缘的像素加强(比如直接用梯度值作为像素的灰度或者RGB的分量)，而边缘检测只要根据设置的阀值，例如，超过阀值的像素灰度设为0，否则设为255。图7示出根据本发明的实施例的边缘检测后的图像的示例。

作为示例，筛选单元503可使用最小二乘法来根据扫描的边界点拟合边界，如果能拟合出两个相交的直线，则认为这两条直线是叶片的两个边，确定在目标区域检测出叶片，否则确定在目标区域未检测出叶片。

作为示例，筛选单元503可将在每个图像中的叶片前缘与叶片后缘边长之和比该图像前后获取的图像中的叶片前缘与叶片后缘边长之和进行对比，当图像中的叶片前缘与叶片后缘边长之和比其前后获取的图像中的叶片前缘与叶片后缘边长之和都长时，确定该图像为目标图像。

发送单元504，将筛选单元503筛选的目标图像发送至风电场的环网，从而处理服务器可从所述环网获取目标图像以检测叶片表面是否损伤。

图8是示出根据本发明的实施例的风力发电机组叶片图像的处理方法的流程图。

在步骤S801，在风力发电机组叶轮旋转的状态下，从机舱上的摄像设备实时获取图像序列。

在步骤S802，从获取的图像序列中的多个图像中筛选预定数量的目标样本图像，确定各个目标样本图像中叶片所在的区域，将各个目标样本图像中叶片所在的区域叠加后形成的外接区(即各个目标样本图像中叶片所在的区域的并集)确定为目标区域。可采用各种现有的方法来从多个图像中筛选目标样本图像。

作为示例，在步骤S802，进行如下处理来确定目标样本图像：对每个图像进行边缘检测；扫描边缘检测后的边界点，根据扫描的边界点拟合边界；若拟合的边界形成两条相交直线，则确定为目标样本图像。边缘检测和拟合边界的具体过程已在上文进行了详细描述，在此不再详细赘述。

作为示例，在步骤S802，进行如下处理来确定目标区域：将目标样本图像中的两条相交直线围成的区域确定为叶片所在的区域，将各个目标样本图像中叶片所在的区域叠加后形成的外接区确定为目标区域。

在步骤S803至S805，从获取的多个图像中筛选目标图像。该目标图像是指在其目标区域中检测出的叶片前缘和后缘的边长之和最大的图像(即在其目标区域中检测出叶片，且检测出的叶片前缘和后缘的边长之和，比其前后获取的图像中的叶片前缘和后缘的边长之和都长的图像)。其前后获取的图像是指在获取目标图像的时间的前后获取的图像。

这里，可采用各种方法来从获取的多个图像中筛选目标图像。例如，可使用特定区域检测技术、动态目标加轮廓识别方法来筛选目标图像。

作为示例，为了减少图像的处理量，可先对每个图像进行背景填充，即将每个图像的目标区域之外的区域填充为黑色。作为示例，还可再对图像进行锐化处理。锐化处理、边缘检测、拟合边界的具体过程已在上文进行了详细描述，在此不再详细赘述。

作为示例，在步骤S803对每个图像进行边缘检测、扫描边缘检测后的边界点、根据扫描的边界点拟合边界、根据拟合的边界来确定是否在图像的目标区域检测出叶片，如果在图像的目标区域检测出叶片，在步骤S804根据拟合的边界确定叶片前缘和叶片后缘的边长。如果未在图像的目标区域检测出叶片，则确定是否在下一个图像的目标区域检测出叶片。

在步骤S805，确定在图像的目标区域中检测出的叶片前缘和后缘的边长之和是否最大。如果在图像的目标区域中检测出的叶片前缘和后缘的边长之和最大，则确定该图像为目标图像，在步骤S806，将目标图像发送至风电场的通信网络。

如果在图像的目标区域中检测出的叶片前缘和后缘的边长之和不是最大，则确定该图像不是目标图像，继续确定在下一个图像的目标区域中检测出的叶片前缘和后缘的边长之和是不是最大。

根据本发明的实施例的风力发电机组叶片图像的处理方法、设备和系统，从摄像设备拍摄的图像中筛选目标图像，仅发送目标图像用于叶片损伤监测，既能利用现有的风电场环网传输带宽完成叶片损伤监测，又不影响风电场的正常运行数据。

另外，根据本发明的实施例的风力发电机组叶片图像的处理系统可利用廉价的摄像设备对叶片进行实时监控，将会大大减少人工巡检次数，可保证故障发现的及时可靠。

根据本发明的一个实施例，本发明还提供一种其中存储有计算机程序的计算机可读存储介质，当所述计算机程序被执行时实现如上所述的方法。

根据本发明的一个实施例，本发明还提供一种风力发电机组叶片图像的处理系统。所述系统包括：处理器和存储器。存储器存储有计算机程序，当所述计算机程序被处理器执行时，执行如上所述的方法。

此外，应该理解，根据本发明示例性实施例的设备中的各个单元可被实现硬件组件和/或软件组件。本领域技术人员根据限定的各个单元所执行的处理，可以例如使用现场可编程逻辑控制器(PLC)、现场可编程门阵列(FPGA)或专用集成电路(ASIC)来实现各个单元。

此外，根据本发明示例性实施例的方法可以被实现为计算机可读记录介质中的计算机程序。本领域技术人员可以根据对上述方法的描述来实现所述计算机程序。当所述计算机程序在计算机中被执行时实现本发明的上述方法。

尽管已经参照其示例性实施例具体显示和描述了本发明，但是本领域的技术人员应该理解，在不脱离权利要求所限定的本发明的精神和范围的情况下，可以对其进行形式和细节上的各种改变。

Claims (11)

1.一种风力发电机组叶片图像的处理方法，其特征在于，包括：

在风力发电机组叶轮旋转的状态下，从机舱上的摄像设备实时获取图像序列；

从获取的图像序列中的多个图像中筛选预定数量的目标样本图像，将各个目标样本图像中叶片所在区域叠加后形成的外接区域确定为目标区域；

从获取的图像序列中的多个图像中筛选目标图像，其中，目标图像是指在所述目标区域中检测出的叶片边长最大的图像；

将筛选出的目标图像数据发送至风电场的通信网络；

其中，从获取的图像序列中的多个图像中筛选预定数量的目标样本图像的步骤包括：

对每个图像进行边缘检测；

扫描边缘检测后的边界点，根据扫描的边界点拟合边界；

若拟合的边界形成两条相交直线，则确定为目标样本图像。

2.根据权利要求1所述的处理方法，其特征在于，从获取的图像序列中的多个图像中筛选目标图像的步骤包括：

确定是否在图像的目标区域检测出叶片；

如果在图像的目标区域中检测出叶片，则根据拟合的边界确定叶片前缘和叶片后缘的边长；

将图像中叶片前缘与叶片后缘边长之和最长的图像确定为目标图像。

3.根据权利要求2所述的处理方法，其特征在于，在风机发电机组叶轮的每个旋转周期内，所述目标图像最多为三个。

4.一种风力发电机组的叶片图像的处理设备，其特征在于，包括：

获取单元，在风力发电机组叶轮旋转的状态下，从机舱上的摄像设备实时获取图像序列；

目标区域确定单元，从获取图像序列中的多个图像中筛选预定数量的目标样本图像，将各个目标样本图像中叶片所在区域叠加后形成的外接区域确定为目标区域；

筛选单元，从获取图像序列中的多个图像中筛选目标图像，其中，目标图像是指在其目标区域中检测出的叶片边长最大的图像；

发送单元，将筛选出的目标图像数据发送至风电场的通信网络；

其中，所述目标区域确定单元进行如下处理：

对每个图像进行边缘检测；

扫描边缘检测后的边界点，根据扫描的边界点拟合边界；

若拟合的边界形成两条相交直线，则确定为目标样本图像。

5.根据权利要求4所述的处理设备，其特征在于，所述筛选单元进行以下处理：

确定是否在图像的目标区检测出叶片；

如果在图像的目标区检测出叶片，则根据拟合的边界确定叶片前缘和叶片后缘的边长；

将图像中叶片前缘与叶片后缘边长之和最长的图像确定为目标图像。

6.根据权利要求5所述的处理设备，其特征在于，在风机发电机组叶轮的每个旋转周期内，所述目标图像最多为三个。

7.一种风力发电机组叶片图像的处理系统，其特征在于，包括：

摄像设备，安装在机舱上，实时获取图像序列；

如权利要求4至6中的任一项所述的处理设备，从摄像设备获取的多个图像中筛选目标图像；

通信网络，用于在风电场的风力发电机组之间形成通信链路；

服务器，通过所述通信网络与风力发电机组的处理设备连接，从所述通信网络获取目标图像数据，根据获取的目标图像数据检测叶片表面是否损伤。

8.根据权利要求7所述的处理系统，其特征在于，所述摄像设备安装在机舱顶部。

9.根据权利要求7所述的处理系统，其特征在于，所述风力发电机组叶片长度是摄像设备与风力发电机组叶轮的水平距离的7-20倍。

10.一种风力发电机组叶片图像的处理系统，其特征在于，所述系统包括：

处理器；

存储器，存储有计算机程序，当所述计算机程序被处理器执行时，执行权利要求1至3中的任一项所述的方法。

11.一种其中存储有计算机程序的计算机可读存储介质，当所述计算机程序被执行时实现权利要求1至3中的任一项所述的方法。