板材是木材應用需求量最大的品種，板材表面質量是評定板材質量的重要指標之一。隨著木材加工業向機械化、自動化的大規模生產方向發展，人們對板材的加工質量，尤其是表面缺陷給予了越來越多的重視，因而表面缺陷檢測技術變得越來越重要。

維視圖像基于機器視覺理論對木材表面缺陷進行了深入研究，結合數字圖像處理技術和人工神經網絡模式識別技術，開發了MV-BDP200機器視覺皮帶傳送實驗開發平臺，提供機器視覺運動控制項目應用案例做為實驗，研究了木材表面缺陷圖像預處理、特征提取、模式識別問題，同時開發了用于檢測板材表面缺陷的定位和識別等圖像處理算法。

圖像預處理是檢測的第一步，對圖像缺陷特征的正確提取是非常關鍵的。本文通過三種方式對圖像的灰度直方圖進行分析統計：

(1)對每一像素作256級灰度直方圖分析；

(2)對4×4像素塊作256級灰度直方圖分析；

(3)4×4像素塊作16級灰度直方圖分析。

特征提取直接影響木材缺陷檢測系統的識別率。首先從灰度直方圖中根據是否有顏色突變來判斷圖片是否存在缺陷，缺陷圖片在直方圖中表現出雙峰特征，通常次波峰即為缺陷部位，但這不是絕對的。若直方圖曲線只有一個波峰，則可能是正常木材圖片。經過實驗統計，當次波峰值比主波峰的值大于1／10時，次波峰即是代表缺陷顏色。實現了缺陷檢測的第一步，即把圖像分為有缺陷和無缺陷兩類。

基于人工神經網絡的模式識別具有對數據類型和分布函數沒有限制、容忍度更高等優點，相適應于木材表面缺陷的復雜性，有很好的應用前景。以缺陷灰度均值、缺陷灰度方差和缺陷形狀作為缺陷類型識別的特征量為輸入，缺陷類型為輸出，構建了系統的BP網絡系統模型。以4種缺陷類型為輸出，選用LMS對BP神經網絡進行訓練，對設計的神經網絡系統進行了檢測，實驗結果表明系統的平均識別率為97％，證實了所設計系統的可行性和有效性。