针对当前木材加工企业中普遍用人工进行木材表面缺陷检测的现状,本文采用机器视觉技术对木板表面图像特征进行研究,设计了一套包含软、硬件结构的自动检测装置来代替人工检测,提高了检测效率。本文完成的主要工作内容如下:1)根据企业生产需求及木板样本特点,确定分类标准,将木板缺陷分为活节、死节、油线三类。确定自动检测系统的工艺流程,设计相应的机械、电气硬件结构,制订用于机器视觉检测的软件开发计划。2)对木板表面图像进行预处理和分割。针对一般性的图像分割方法(阈值分割、边缘检测等)无法适用于所有类型的木板、分割效果不理想及最佳分割参数需要手动调整等问题,结合木板表面的图像特点对阈值分割方法进行改进,得到了均值偏置阈值分割方法。并用该方法实现所有类型样本的自动分割,保证了后续图像处理的准确性。3)对分割后的图像进行颜色特征、纹理特征、形状特征的提取,初步用一阶颜色矩、二阶颜色矩、能量均值、熵均值等共计12个特征来表示原图像。然后采用主成分分析的方法,将图像特征数据降至8个维度作为最终的图像特征提取结果。4)进行木板的表面缺陷分类识别。采用BP神经网络作为分类器进行实验,测得三种缺陷类型的平均识别正确率为92.12%,平均耗时216ms。综合分析了检测装置性能,验证了该木材表面缺陷自动检测系统在识别正确率和速度上均能满足实际生产需求。