采用X射线作为检测手段,对木材进行无损检测。通过检测透过被检物体后的射线差异,来判断被检测木材是否有缺陷存在。在木材的另一端利用图像增强器进行接收,再经过微光摄像机送入A/D转换器将木材X射线模拟图像转换成一数字图像存入计算机中,运用MATLAB和VC⁺⁺软件的图像处理功能对采集到的木材缺陷图像进行处理和分析,针对木材中不同类型的缺陷,对木材缺陷图像进行特征提取,确定了木材缺陷的尺寸和位置。本文就三种常见的木材缺陷:节子、虫害、腐朽进行了具体的研究。 在无损检测信号处理和特征构造的基础上,运用特征参数建立了缺陷识别的数学模型,针对无损检测信号的特征,构造了人工神经网络,选用多层前馈神经网络模型（BP网络）,网络识别所需要的特征参数能够反映木材缺陷的全部特征。我们把缺陷的灰度均值、缺陷灰度方差、缺陷的长宽比作为进行神经网络识别的特征输入中的三个量,利用反向传播网络的学习算法,对神经网络进行训练。对于某批训练样本,用BP算法,通过反向传播来调整各层神经元的权系数,反复输入所有样本序列,重复以上步骤,直至权系数不再改变,输出误差在规定范围内。网络学习结束后,得到输入层、中间层和输出层各单元的连接系数矩阵。运用MATLAB对已训练成熟的神经网络进行仿真,便可得到输入向量的模型,完成网络识别任务。此过程在完成特征提取的基础上,采用人工神经网络方法对缺陷类型进行有效识别,准确判断木材内部的缺陷信息。实验结果表明这种方法可以成功地对这三种木材缺陷进行无损捡测和分类。此方法也可在对其它木材缺陷的检测和分类上推广使用。