随着社会经济的发展,竹产业发展越来越得到重视和广泛关注。在竹制零件的生产过程中往往会出现缺陷零件。目前国内对竹制零件的分选主要还是依靠人工来完成,其效率十分低下。因此,一种快速且准确的分选方法需要被设计出来解决这个问题。本文以工业中生产的竹制零件为检测对象,首先利用自适应阈值的方法对图像中竹制零件的轮廓进行提取。然后以RGB三通道的值作为特征量,通过径向基神经网络对竹制零件图像中特征进行训练,从而识别出缺陷零件。最终通过标定获取缺陷零件的位置。主要完成的研究工作如下:（1）设计出了竹制零件智能分选系统的硬件。竹制零件分选装置主要由电磁阀、I/O控制模块、电源、空气压缩机、PC机、输送带和CCD图像采集器组成。当系统检测到缺陷的竹制零件后,装置将缺陷零件从输送带上吹走。（2）设计出了竹制零件智能分选系统的软件。软件部分应包含图像显示区域、日志显示区域、参数设置区域、气嘴测试区域以及状态显示区域。当系统检测到缺陷的竹制零件后,缺陷零件的图片将会在电脑的软件界面上显示出来。（3）研究了多线程的使用方法。首先尝试使用线程池来协调不同线程之间的工作,然而线程池的效率不够高。通过比较不同的方法,最终采用实时创建线程的方法来实现功能。（4）重点研究了竹制零件缺陷检测的算法。首先使用传统的方法对竹制零件进行检测,观察其检测效果。最终提出一种基于RGB颜色空间的竹制零件的新检测方法。以RGB三通道值为特征量输入,通过径向基神经网络对输入量和对应输出结果进行训练,最后对完好和缺损的竹制零件进行分类。将传统方法的检测效果和新方法进行对比。实验表明该新方法能去除超过90%的缺陷零件,人工分拣率往往只有70%,竹制零件智能分选系统去除率明显高于人工分拣。