实木板材以其独有的特点,一直与人类的生活息息相关。尤其近年来,随着生活水平的提高,人们更崇尚对美和健康的追求,对实木材料的需求量也越来越大。在木材资源日益紧缺的今天,如何更有效地提高木材利用率成为木材加工与自动化领域的重要研究课题。在木材被实际应用之前,木材表面监测作为生产过程中的重要工序,直接影响到产品质量和生产效率。但由于受到外界干扰和主观影响,传统的人工方法对木材表面进行检测的方法可靠性不高,而且人工的方法还造成了人力和物力的浪费。随着现代科技水平的日益发展和生产要求的不断提高,木材加工与优选的自动化程度要求越来越高。为此,本文将计算机图像处理技术、木材分级标准和人工神经网络相结合,研究实木板材在线分选,以有效提高分选准确率及板材利用率。本研究选取实木板材中应用广泛的松木和柞木作为样本板材进行图像采集,应用Oscar F-810作为图像采集设备,采用36*15的LED排灯作为照明设备,共采集520幅样本图像,其中包括专门采集的带节子缺陷的实木板材图像108幅,并按国家板材分级相关规定将样本板材分为3等级进行分选研究。研究中选取颜色特征和缺陷特征两种特征进行融合得到最终的分选特征。首先,通过对图像RGB空间的三个分量进行运算得到5个颜色特征,对R分量求颜色矩得到3个颜色特征,共提取8个参数作为颜色特征；并对颜色特征进行初步筛选,将冗余特征I1=(G-B)/(G+B)去掉；然后,对剩下的7个颜色特征应用BP神经网络分类器,按分别去掉1个和2个特征的方式对实木板材图像特征进行融合分类研究,其中去掉1个颜色特征的组合有7种,去掉2个颜色特征的组合有21种,将基于这28种特征组合的实木板材分类准确率做对比,最终确定5种颜色特征作为实木板材分选颜色特征。同时,利用基于遗传算法和形态学的图像分割技术对实木板材进行图像分割提取节子的面积作为缺陷特征数；最终得到由5个颜色特征和1个缺陷特征组成的6维融合特征作为分选特征。在对板材图像进行融合特征提取的基础上,本文采用人工鱼群神经网络、FNN神经网络作为木材分选分类器,研究板材分级并对分类结果进行对比。研究结果显示,人工鱼群神经网络分类器的实木板材在线分选效果更好,准确率达到95%,分类时间达到0.0738s,能满足在线系统实现要求。应用融合向量和人工鱼群神经网络分类器的实木在线分选系统最终的速度最快可达12m/s,最慢为4.7m/s,在线分选效果良好。