在竹块凉席、竹地板等一类竹制品中,竹块是构成这些产品的基本单元。竹子经切割后,按照颜色进行分类在实际生产中称为分色,分色是保证产品颜色均匀一致的重要工序。传统的生产中,工人们用肉眼将颜色相近的竹块分为一类,人工分色缺乏客观性和准确性,而且费工费时。针对这一问题,本文以竹块为研究对象,将图像处理与分析技术与人工神经网络相结合,研究竹块识别和分级的方法。主要研究内容和结论如下：(1)根据计算机视觉竹块颜色分类的要求,建立了相应的计算机视觉系统。并在此系统上获取竹块图像。(2)研究了图像处理算法。背景分割过程中,通过判别分析法和迭代法对竹块彩色图像的红、绿、蓝分量图像背景分割试验结果的比较分析,提出在红分量图像中利用otsu方法获取阈值进行二值化。采用边界跟踪法定位图像中单个竹块边界,并用种子填充算法标记竹块所在区域,得到单个竹块图像。运用radon变换对竹块图像进行倾斜校正,提取不包含侧面的矩形竹块上表面,从而得到完整的颜色判定区域。(3)通过对竹块颜色特征的分析,提取颜色特征计算竹块的颜色特征参数。基于颜色直方图,分别提取像素落入不同色相区间的频度和HIS空间各颜色分量的的均值与标准偏差作为特征参数；基于缺陷阈值分割提取颜色缺陷的特征参数。通过特征优选,选定HIS各颜色分量的均值偏差(μH，μS,μI,σH,σS,σI)和缺陷分割得到的特征(Q1,Q2)共8个参数作为识别特征(4)选取BP神经网络用于竹片颜色分类。鉴于传统BP网络的缺陷与不足,经试验比较选取了Levenberg-Marquardt优化方法作为网络训练算法。验证了当隐层神经元为8个时,BP神经网络分类器收敛速度最快,分类正确率最高,平均正确率可达94.5%,平均一块竹片颜色检测分类耗时为0.1914秒。上述研究成果,为竹块颜色分类的科学化和自动化提供了理论依据和技术支持。研究的方法对提高竹制品的市场竞争力、促进出口贸易的发展,均具有重要的理论意义和实用价值。