针对国内人均林木资源占有率低、木料综合利用率不高等现状,国家大力提倡木材加工企业应用智能化和自动化的木材优选加工设备,以切实提高实木板材出材的数量和品质。但是,国内大多数的木材加工企业因自身技术条件不过硬,或因研发的设备成本高昂,仍采用人工划线识别并加工的方法,这种情况必然导致实木板材的优选加工存在自动化程度低、人力成本花销大、缺陷识别主观性强且不精确、自动检测和锯切加工不智能等问题。为了解决这些现代化木材加工难题,本课题提出了基于机器视觉的实木板材优选系统研究,主要完成了下述研究内容:(1)本文以松木、杉木板材为研究对象,选取的板材试件包含活节、死节、裂纹、腐朽等主要天然缺陷。在搭建的图像采集装置上获取实木板材表面缺陷图像,通过查阅相关文献资料分析常见的木材天然缺陷形成原因以及对实木板材品质的影响。(2)基于Single Shot-multibox Detector算法(下文简称SSD)的实木板材缺陷检测。作为当下应用比较广泛的目标检测算法,SSD在目标识别精度和识别时间等性能上有着卓越的表现。本文在SSD算法的基础上进一步改进,利用特征金字塔网络结构进行高层语义和低层特征的融合,同时采用深度残差网络作为改进的SSD模型的基础网络部分,对预测边界框的回归和分类任务的输入特征进行优化。(3)基于Twin CAT3的优选加工系统设计。利用改进的SSD算法将实木板材表面缺陷识别结果以候选框信息(候选框中心点坐标、候选框长度和宽度)和缺陷识别种类信息传输给基于Twin CAT3的软PLC系统,同时软PLC系统会根据用户给定的加工清单、加工模式完成实木板材的优选加工,通过控制高速截锯机的进料和锯切伺服系统完成实木板材的优选锯切,最后经由多级推料装置分类出料。为了方便使用,设计了友好的人机交互界面。