颜色作为木制品品质评定的重要指标,直接影响木制品加工生产的效率和效益。应用木制品的表面颜色特征进行等级划分,是完善小木制品质量检测手段、提高检测准确度的最重要的环节。本文采用图像处理和模式识别技术,对小木制品的颜色分类检测进行研究,为木制品生产颜色检测自动化的工业实现提供必要的理论和技术依据。本文选用雪棒条作为研究对象,按照颜色分成两个级别,建立包含1000个图像样本、共两类的实验样本库,用于颜色的分析与分类。首先用中值滤波法对图像进行去噪声处理,再应用阈值法对彩色图像进行了分割,为颜色特征信息的提取提供必要的基础图像。文中分析了常用的几种颜色空间,通过比较并结合各颜色空间的特点,鉴于HSV空间与人眼感知颜色的方式相接近的优点,确定采用HSV颜色空间作为研究小木制品表面颜色的空间模型;针对两类样本的颜色分布均匀的特点,只需考虑颜色的全局分布,因此选用了颜色直方图和颜色矩两种颜色分析方法,并在HSV颜色空间下分别提取了两套特征参数:①H、S、V三个颜色分量的共18维颜色直方图特征参数;②H、S、V三个颜色分量的共9维颜色矩特征参数,以此实现小木制品图像颜色特征的获取。本文采用BP神经网络作为分类识别器,分别将颜色直方图特征参数和颜色矩特征参数作为输入量,输出两类颜色不同的样本,选用L-M算法对神经网络进行训练,在对500个样本进行测试时,两套特征参数下的系统识别准确率分别为98.2%和97%。结果表明两套特征参数下的分类识别率相差不大,因此选用特征维数小的颜色矩特征参数作为表征木制品颜色的最优特征参数。最后给出了小木制品颜色检测系统设计方案。本研究的实现可为小木制品品质检测和生产效益的提高提供有效途径和有力的参考依据。