制材是木材加工的一个重要基础工序,木材缺陷是评定原木经制材加工后产品等级的重要指标,也是影响木材质量和商品价值的重要因素。实现对木材表面缺陷的无损、快速、准确检测,是提高锯材商品价值,加速木材加工自动化的有效手段。本文在分析了国内外木材缺陷无损检测现状及先进技术的基础上,尝试将数字图像处理技术与LVQ(学习矢量量化)神经网络模式识别理论相结合,应用于木材表面缺陷检测过程中。具体内容和研究成果如下:(1)从木材缺陷检测系统设计出发,重点研究控制识别系统中的木材表面缺陷识别算法,通过分析木材表面缺陷种类及其对木材质量的影响程度,选定两种木材常见缺陷:圆形节、大虫眼为主要识别对象;(2)依托图像处理技术,对原始木材缺陷图像依次进行灰度化、灰度变换、中值滤波、阈值化分割。通过理论分析及对比实验,找到使木材缺陷数字化图像预处理效果最好的算法组合方案;(3)本文阐述了木材缺陷特征量的提取原则,并对目前常被提取的特征量进行分析,最终由木材缺陷形成内外因素及人工经验,选定灰度均值,灰度方差及缺陷轮廓特征值三种特征作为木材缺陷模式识别特征;(4)研究木材缺陷特征提取算法,并在此算法基础上开发了木材缺陷特征提取软件系统,各部分算法按照模块化思想进行设计,保证了源程序的可扩展性;(5)在采集并分析处理大量木材表面特定缺陷图片基础上,以VC++6.0为软件开发平台,调用matlab6.5辅助设计工具,建立木材缺陷LVQ神经网络模式识别系统,训练LVQ神经网络并进行网络测试。从识别准确率和最小分辨率两方面,验证了系统的可行性。