近些年来,伴随着计算机视觉技术的不断向前发展,采用计算机视觉的方法对产品进行无损检测正在成为人们研究的热点课题。由于木材在生长过程中产生的缺陷(如虫洞、关节等),导致由木材加工成的单板会因为原木的关系,产生各种的缺陷,而其中最主要的缺陷是孔洞。目前,针对单板缺陷的研究大都是基于定性的研究,单板方面的缺陷检测也主要集中在单板节子、虫洞等缺陷。本文从定量的角度出发,采用计算机视觉的方法对单板的孔洞缺陷进行了定量的研究与分析,实现了单板的自动分级与分类。本文的主要工作和创新之处:(1)搭建单板视频采集系统,对采集到的单板图像进行预处理。(2)提出了基于单通道改进的K-均值的单板图像分割方法和基于四分位数改进的分水岭算法的单板图像分割方法。第一种方法:具有计算复杂度低,分割效率高的特点,但分割效果不是特别理想;第二种方法:为了提高单板图像分割的准确度,改善分水岭算法在分割过程中产生的过分割现象,采用了形态学梯度阈值化方法来抑制虚假边缘和基于四分位数分析的区域合并方法来改善过分割的现象。第二种方法较第一种方法的分割效果更理想,但分割效率低于第一种方法。(3)提出了利用边缘凸性缺陷计算单板边缘处孔洞的大小,并提出了采用棋盘格进行单板图像像素尺寸标记的方法:将40×40棋盘格置于单板检测的场景中,然后对棋盘格图像进行分割,测量计算出棋盘格中的像素大小,参照棋盘格真实的尺寸和图像中像素的大小,对单板和孔洞大小进行尺寸测量,将得到的结果作为参数输入SVM分类器,即可按照分类标准实现单板的自动分级与分类。(4)通过单板图像的分割实验和单板的分级分类实验,结果表明,基于单通道改进的K-均值的单板图像分割方法同K-均值算法和Otsu算法相比,不论从分割效果还是分割时间上都有所提高。基于四分位数改进的分水岭算法的单板图像分割方法同标记分水岭算法、Mean-shift算法相比,在分割准确性和过分割方面都有所改善。通过单板的分级实验验证,单板分级的正确率可达到98%左右。