家具板材在加工生产过程中用传统的人工方式进行分类识别、归类放置,既耗时耗力又难以达到准确率。本文结合实际工程情况,对家具板材不同类别间的差异进行深入探讨,设计了一种基于机器视觉的板材分类系统。家具板材主要由不同颜色、不同纹理的图案组合而成。因此,板材的颜色和纹理特征即为主要研究对象。板材的表面颜色和纹理信息是其表面的重要特征参数,不仅能直观地反应出表面特性,还能间接地影响人的心理感受,并且直接关系到板材的加工等级、质量、价格和企业的经济效益。但家具板材具有较为精细复杂的纹理结构,难以用确切的数学公式进行描述,一直是学术界有待解决的难题。因此研发出一种能以表面纹理和颜色对家具板材生产过程进行分类识别、自动归类的自动化控制系统具有理论和实用双重价值。本文论述了机器视觉和计算机视觉的发展历史及其在各个行业中的应用,从而确立了以机器视觉、模式识别为理论基础的家具板材分类研究方法。再从板材分类的功能需求和生产线的结构设计出发,构建了一套以计算机、光源、镜头、工业相机、运动控制卡、机械执行构件(机械手)为基础的硬件设备,并比较了同种设备不同型号间的区别,在满足工程需求的前提下,从经济实用性的角度对各个硬件设备进行了类别甄选。除此之外还对检测软件的设计思路进行了详细介绍,使软件具有必备的检测和数据查阅功能。在图像算法方面,针对传统的纹理分类算法在家具板材分类中难以区分同纹理不同颜色样品的问题,以及对有图案干扰的同纹理同颜色的一种样品误分多类的情况,本文提出一种基于集成高斯支持向量机的分类识别算法。该方法在彩色图片的HSV颜色空间中提取纹理特征参数,利用高斯混合模型统计出的输出概率作为支持向量机的输入参数,且用二进制纠错码将二分类扩展到多分类。在通讯方面,对板材分类系统的计算机与机械手的网口通讯进行了详细论述,简述了Socket的基本原理和基于TCP协议的通讯框架。并根据通讯原理编写程序,使计算机控制机械手的抓取动作,从而实现板材分类、归类放置。最后本文通过试验叙述了分类系统的纹理特征参数集与算法中各个参数的选取过程,并证明了集成高斯支持向量机分类算法在板材分类识别应用中的有效性。