随着木材加工业的集约化发展,木材产品的生产量持续大幅度增长。在生产中,对木材表面加工质量高水平的苛求,尤其是一致性的要求,使得传统的人工检测方式已经难以胜任。颜色检测存在于木材的生产、加工和应用的各个环节当中。对于工业化生产和应用,能够实现按颜色检测木材缺陷是非常重要并具有深远意义的。本文将讨论计算机视觉技术在木材表面缺陷模式识别方面的最新发展。文中所述木材表面缺陷,指的是生产加工过程中,木材表面所出现的特殊的颜色和组织、纹理变化。应用计算机视觉系统,可以检测出木材中出现的各种的缺陷。这个系统的核心,就是可训练和感知的神经元网络。研究针对木材自身的特点,实现了对木材缺陷的颜色检测。本文做了以下的研究。提出了木材缺陷颜色检测的系统设计方案。并对系统组成、工作原理加以论证,介绍了其系统的硬件系统组成部分及功能。研究了两种木材缺陷分割方法。一种是基于HSI三分量独立性的分割方法,提出首先将图像转化为HSI图像,然后根据木材缺陷特点,针对各分量单独进行分割,最后融合处理后的分量,得到准确的分割缺陷。另一种是综合使用边缘检测和区域生长的分割方法,在HSI颜色空间里,首先利用形态学梯度算子和闭合算子进行边缘检测和缺陷填充,有效地检测出缺陷边缘。在此基础上,将代表区域分布的边界线作为潜在的区域模型,自动获取种子点进行区域生长,实现最后缺陷分割。研究了针对分割后的木材缺陷图样,使用BP神经网络进行分类识别。对处理后的分割图样,首先进行特征选择和提取,构成识别的特征矩阵,再选用部分样本库对网络进行训练识别,得到成熟的网络识别系统。最后对剩下的样本进行分类识别,得到了很满意的实验效果。本文是黑龙江省自然科学基金资助项目的组成部分,应用计算机视觉系统,通过神经网络模式识别技术对木材缺陷的自动识别,对木材缺陷模式特征进行了研究。