随着我国制造业的快速发展,胶合板被广泛应用于社会生产的各个领域,在国民经济中发挥着重要作用。木皮作为胶合板的原材料,其尺寸误差和表面缺陷会降低胶合板的产品质量。为了避免因木皮尺寸误差和表面缺陷造成的胶合板质量问题,本文依托于山东某木材机械企业项目,基于机器视觉检测技术快速准确的优点,以木皮尺寸和表面缺陷为研究对象,对在线检测系统的搭建、木皮尺寸的检测和表面缺陷的识别分类进行了深入研究。良好的检测系统是识别检测的基础,针对木皮尺寸和表面缺陷类型,对木皮检测系统整体架构进行了设计,并搭建了木皮检测系统硬件平台。采用暗场照明与背光照明相结合的方法辅助CCD相机对木皮图像进行采集,此方法可以突显木皮外形轮廓和表面特征,有助于木皮检测系统的检测识别。为了减少环境因素对采集图像质量的干扰,采用直方图均衡化的方法来突显所需的图像特征。在图像直方图均衡化的基础上,结合几种常用的图像边缘分割算法进行边缘检测,根据实际的分割效果选取最佳的Canny分割算法,并通过木皮图像外接多边形方法与边缘拟合提取方法相结合的方式对分割后的图像进行处理计算,实现了对木皮尺寸的准确检测。针对木皮表面缺陷的识别分类,利用词袋模型理论建立了整体的识别分类框架,运用提出的改进FREAK算法和改进SURF算法分别对木皮缺陷特征进行提取,探究了旋转角度对特征提取的影响并验证了改进算法的有效性。使用K-means++聚类方法将提取的特征进行聚类以构建视觉词典。为得到最优检测结果,对支持向量机(SVM)中的核函数参数进行了优化,并采用支持向量机分类器对木皮表面缺陷进行识别分类,得出了两种改进算法在高斯径向基核函数下的分类结果。通过分类结果得出两种改进算法都可以实现对木皮图像的有效识别分类,其中改进SURF算法平均识别率更高,改进FREAK算法平均运行速率更快。根据已选算法与参数,对在线分选检测系统的软件部分进行了设计,测试结果表明,设计方案与算法能够有效解决木皮在线识别分选的问题,满足实际生产的需求,具有一定的推广应用价值。