红木家具因其原材料稀缺和收藏价值高导致其市场价格高昂。为了谋取高额的利润,一些不法商家使用假冒伪劣的木材代替红木。目前,除了传统的依靠专业人员的专业知识来鉴别红木之外,主要的鉴别方法有基于近红外光谱检测、基于基因测序的DNA检测、基于核磁共振氢谱检测和基于太赫兹时域光谱检测等。相比于传统的人工检测方式,现有的检测手段在一定程度上解决了红木有损检测的问题,实现了红木的微损检测,但现有的检测手段仍然存在检测精度不高、微损检测和检测标准不统一等问题,而且这些检测方法仅限于研究人员使用。针对目前红木鉴别所存在的问题,本文提出了一种基于卷积神经网络的木材鉴别新方法,并就该方法进行软件系统的开发。该方法采用X射线三维CT来获取木材的内部组织和结构,通过训练3D卷积神经网络来学习木材的特征,从而实现木材CT图像的识别。为方便用户使用,将算法集成到开源软件框架Voreen上和设计人机交互的可视化界面。本论文的主要研究工作如下:（1）通过X射线三维CT获取高质量的木材三维图像,解决红木的识别精度受限于检测方法的精度问题,同时实现了红木的无损检测,便于建立统一的检测标准。通过采用不同的扫描参数进行测试,最终确定了CT扫描在电压60k V,电流60m A,空间分辨率1.5um,曝光时间0.5s以及扫描帧数1440的条件下可以获得清晰的木材内部组织和结构,为后续的图像识别检测奠定基础。（2）通过3D卷积神经网络对木材CT图像进行分类,为木材CT图像识别提供新的解决方法。首先通过结合残差ResNet和已有3D卷积神经网络的优点构建了适用于木材CT图像识别的3D卷积神经网络。然后通过裁剪和数据增广的方式增加数据集,增强网络模型的泛化能力。最后通过对比不同算法的分类结果,验证了本文提出的3D卷积神经网络的有效性,同时通过控制变量法对网络的超参数进行了优化。（3）通过开源软件框架Voreen实现卷积神经网络模型的部署和人机交互的可视化界面设计,方便用户使用本文的算法进行木材检测。首先通过调用tensorflow的C++接口将算法模型集成到开源软件框架上,实现网络模型的正向推理。然后通过在Voreen上搭建一个数据流网络实现人机交互的可视化界面。