近年来,家具板材的消耗量一直在逐年增长,为满足国内外市场的需求,生产厂商在自动化设备的性能和规模上都有了明显提高,传统的检测方式已无法满足目前大规模的家具板表面质量检测。机器视觉作为一种非接触式检测技术,具有检测速度快、性能稳定、适用性广以及高精度等诸多优点,被广泛应用于各个领域。本文以家具板材为研究对象,结合机器视觉技术,研究并设计了一套适用于家具板表面的缺陷检测方法及识别系统,能有效检测出家具板表面的划痕、崩缺、刮痕和压伤等缺陷。主要的工作内容如下:（1）针对家具板图像可能存在随机浅纹理与缺陷发生重合或者交叉,且缺陷区域与背景区域对比度不明显,容易对后续图像分割产生干扰的问题,采用灰度的分段线性变换改善图像的对比度,并提出一种改进的局部阈值分割方法,可以快速确定邻域块合适大小,同时相比于其它的动态阈值分割方法,具有较低的漏检率。（2）针对家具板缺陷的特征提取问题,首先基于数学形态学研究适用于家具板二值图像的结构元素,连接断裂的缺陷;然后根据轮廓提取算法分离各连通区域并求解出多边形边界信息,由此提取出缺陷的形状特征和灰度特征,并建立初始的缺陷特征数据集;在此基础上,根据方差过滤法和递归特征消除法分别筛选特征,构建出三种缺陷特征数据集。（3）针对家具板缺陷分类问题,首先解决了四种缺陷数量不平衡的问题,基于过采样的方式采用SMOTE算法在特征空间扩增缺陷数量少的样本;然后针对不同核函数的支持向量机和集成学习算法中的随机森林进行优化训练,根据测试集的结果确定最优分类器模型及其特征数据集。（4）基于Open CV和Qt开发出家具板图像的缺陷识别软件,该软件根据研究的图像处理算法、确定的特征及训练的最优分类器模型,设计了针对家具板图像的人机交互界面,以验证算法的可行性。