木材是木制品的原材料,也是我们的日常生活中非常重要的可再生资源。近年来,人们对木制品的需求大幅上涨,所以,对于木材和木制品的检测成为了炽手可热的研究项目。木板是木制品制作过程中需求量最大的品种,在日常生产使用中不仅要对木板的种类进行识别,更重要的是对木材表面存在的缺陷进行识别。随着经济的发展、社会的进步,传统的依靠人工经验和知识对书中的粗略识别已经无法满足高节奏、现代化木材工业的的要求。为了适应这种高效率、高识别率、人才培养时间短的要求,计算机辅助识别应运而生。本文提出一种通过光谱微分识别树种的方法。实验中选择了北方常见的五类树木,分别是:桦木、杨木、白松、樟子松、落叶松。实验仪器选择的是ASD公司生产的FieldSpec ProFR(测量波长范围是350~2500nm)来采集五种木板表面的光谱反射率曲线,使用的间隔是10nm来采集光谱反射曲线。采用光谱微分法进行波段的特征选择,利用Euclidean distance检验光谱微分方法选择的波段识别五种树种的效果。日常生活中,待加工的原材料木板经常会有缺陷存在,而当木板的节子缺陷不小心被相同颜色的燃料染色后,我们的肉眼很难判断出是否存在这样的缺陷。针对木板表面节子缺陷被染料染色后难以识别的问题,本文利用图像融合技术提出一种新的木板表面缺陷检测方法。该方法采集被染色木板的近红外图像和可见光图像,使用加权平均法、PCA算法、小波变换、Laplacian金字塔变换等不同的融合算法对采集的近红外图像和可见光图像进行融合,然后对不同算法融合后的图像仔细观察分析和比对并计算其信息熵。两次的实验结果证实,本文提出的光谱微分法进行特征选择的效果较好,且Euclidean distance对五种树种的识别效果也很好,融合后的图像能够明显的辨别出染色后的木板缺陷,并且基于Laplacian金字塔算法的融合效果最好。