随着我国竹木产业的发展,竹制品越来越受到人们的喜爱,但由于当前我国竹制品加工技术落后、生产效率低下、判断标准不统一等问题,严重阻碍了我国竹业市场扩大。为此,本课题基于国家星火计划项目对长竹条表面缺陷检测及颜色分类系统及方法进行了研究,实现了长竹条表面缺陷检测和颜色的分类,对提高竹制品企业的生产效益和自动化加工生产效率发挥着重要作用,论文研究的主要内容如下:(1)设计了长竹条表面图像采集方案。根据长竹条的形状和长度特点,设计了用于长竹条表面图像采集的装置,通过选择合适的采集设备,搭建用于长竹条表面缺陷检测的机器视觉系统,采集了常见竹条缺陷及3种颜色类型的图像样本库,实现了动态运动长竹条表面图像的合理采集。(2)分析了长竹条表面图像缺陷的类型,设计各个常见竹条缺陷(包括虫洞、裂缝、竹青、竹白)的检测方法和流程。对长竹条表面缺陷类型进行分析,划分了竹条的缺陷类型,并针对性的对常见的虫洞、裂缝、竹青和竹白缺陷进行检测,首先对原始图像进行去噪、灰度化、阈值化、倾斜校正等预处理算法的设计,然后基于形态学和差影的方法对虫洞缺陷进行了检测、基于自适应Canny双阈值对竹条的裂缝进行了检测、基于垂直投影结合边缘提取对大/小竹青缺陷进行了检测和基于区域生长算法的竹白缺陷检测。(3)针对黄面的竹白缺陷,提出了一种基于自适应区域生长分块处理的检测方法和一种用于检测竹节的跃变特征,实现了竹白缺陷的快速检测,避免了竹节区域对竹白缺陷检测的影响,提高了竹白检测的效率。(4)结合长竹条青黄面灰度、纹理、颜色等特征,对竹条青黄面的检测方法进行了研究。为了减少竹条青黄面对缺陷检测的影响,通过建立三层3输入2输出用于竹条表面识别的网络结构和模型,综合提取了16个竹条表面特征输入到网络中进行训练,根据输出判断竹条的青黄面,结果表明总检测率在99%以上,获得了较好的效果。(5)分析了影响长竹条分类的原因,对竹条颜色分类的方法进行了研究。针对长竹条颜色区域的分布不均匀,提出了一种基于主颜色的特征提取方法,结合机器学习算法设计了基于KNN算法的组合分类器,实现了长竹条颜色的分类。所设计的方法稳定有效,减少了竹条表面颜色分布不均匀的影响,提高了竹条分类的抗干扰能力,平均分类检测成功率为91.58%。