木材检尺是木材生产加工中的重要一环,木材检尺过程的成本以及准确度在很大程度上影响着整个木材产业以及森林资源的保护。而针对木材检尺这一问题,世界上多个国家已经设计出了多种自动化的木材检尺系统,有的已经相对成熟。而由于便捷性以及成本等问题,我国大部分生产环境仍然使用手工检尺的方法,所以设计一款使用简单成本较低的木材检尺系统,就显得至关重要。本文从计算机视觉的角度出发,设计了一种通过单摄像机进行多次拍摄从而实现对木材横截面进行测量的木材检尺系统。该方法首先使用深度学习背景下的目标检测算法对图像中的主体区域进行识别,并使用图像处理手段对有效区域进行分割。然后使用双目视觉的相关知识对横截面的空间信息进行恢复。最后利用空间几何的相关知识完成了木材横截面的测量。本文的主要工作内容及贡献如下:(1)本文针对成堆板材的特性,设计了基于计算机视觉的,非接触性的检尺系统,克服了传统检尺系统只能测量原木的缺陷,成功解决了成堆板材的测量问题,同时使得测量过程更为简单,成本更低。(2)本文将目前较为先进的深度学习相关方法引入了木材检尺领域,并深入分析探讨了各种基于深度学习的目标检测模型。最后发现SSD模型(Single Shot MultiBoxDetector)既可以达到较快的速度,同时也有较高的准确度,能够更加完美的胜任木材横截面的检测。深度学习方法的介入使测量工作更加智能,面对复杂环境仍然能够识别待测主体。极大的提高了检尺系统的健壮性。