近年来随着人们对木制品需求逐年增加,但我国人均森林资源占有量低,需要从国外大量进口木材,且许多加工企业对木材原料的利用率低于发达国家。实木复合地板有利于节约资源并具有环保优势,但企业在实木复合地板的木板表面缺陷检测环节仍采用人工检测的方式。对木板表面缺陷检测的错误率随工人工作时间的增加而升高,且受工人主观因素导致检测质量稳定性难以保障。本文提出一种基于视觉的木地板分拣系统,以检测木板表面缺陷算法模型为核心进行木地板表面缺陷识别。首先对国内外学者在木地板检测的研究现状和关键技术问题进行分析研究,依据木地板的分拣流程和设计指标,确定分拣系统的总体设计,包括机械系统的整体设计和控制系统的整体设计;运用模块化设计思想详细设计完成分拣任务的机械臂吸附小车、视觉检测履带流水线和反转机械臂三个模块;利用ANSYS软件对全向小车和反转机构进行静力学分析以满足工作要求;完成三轴和六轴两种机械臂、真空气泵、工业相机和LED光源设备选型。根据控制系统的整体设计方案和木地板分拣系统控制系统的设计指标,对控制系统进行具体设计。以Arduino等四种单片机分别作为机械臂吸附小车、视觉检测履带流水线和反转机械臂三个子系统的主控板,完成电机驱动、通信模块和传感器等硬件设计;运用Arduino IDE进行控制系统的软件设计;利用Matlab软件分析三轴机械臂运动空间及其轨迹规划,最后完成分拣系统的人机界面设计。深度学习模型训练需要大量图片,因而要制作符合模型训练的木板缺陷图片数据集。采集含虫眼、裂缝、节子和纹理四种木板表面缺陷图片的数据集,利用Pro Gan网络生成少样本图片避免样本不平衡,满足训练要求;通过传统图像处理技术对平衡后的图片数据集进行倍增以满足深度学习算法训练要求。添加椒盐噪声完成数据集预处理,并利用Matlab软件进行图像畸变校正。最后将基于Transformer和VGG两种神经网络融合的新算法用于木地板的识别。通过分析ViT模型和VGG模型,设计并搭建出融合ViT的卷积神经网络模型。利用Pytorch框架进行编程并进行实验。实验证明利用GELU作为激活函数的模型性能优于用Re LU的算法模型,以及在一定的Transformer深度下,融合型神经网络比纯卷积神经网络具有优越性。