随着木材加工业的集约化发展，木材产品的生产量持续大幅度增长。在生产中，对木材表面加工质量高水平的苛求，尤其是一致性的要求，使得传统的人工检测方式已经难以胜任。为此，本文将讨论计算机视觉技术在木材表面缺陷模式识别方面的最新发展。本文所述的表面缺陷，指的是生产加工过程中，木材表面所出现的特殊的颜色和组织、纹理变化。应用计算机视觉系统，可以检测出制材生产线上出现的各种不需要的缺陷。这个系统的核心，就是可训练和感知的神经元网络。正是基于这种高效的模式识别系统，使得本研究成果成功地应用于不同树种木材生产线的检测。 本文是国家自然科学基金资助项目“计算机视觉技术在木材表面缺陷检测中的应用”的重要组成部分，应用计算机视觉系统，通过神经网络模式识别技术对木材缺陷的自动识别，对木材缺陷模式特征进行了研究。 利用微型计算机、图像处理卡和工业摄像机等设备构成的计算机视觉系统，完成了板材表面缺陷图像的采集、连接、分析和处理。根据实验室的设备条件，主要致力于模拟人工视觉来建立一套计算机视觉检测木材表面缺陷的理论和方法。采用DH-PCI-H黑白图像采集卡，数据的传送过程是由图像卡控制的，无需CPU参与，图像传输速度可达40MB／S，能够与绝大部分的标准与非标准视频信号相连接，实现了数据的实时传输。本文的设计软件是在Windows环境下应用Borland C++5.0 for Windows作为开发工具，完成了系统软件的设计。所设计的程序具有Windows统一风格，界面友好、适应多任务环境，通用性强。