我国的林木行业在国民经济的发展中占据着重要地位,带动着家具、装修等行业迅猛发展,随着越来越多的人对于家具以及装修个性化和高品质的需求,实木板材缺陷以及纹理特征的检测显得尤为重要。而近几年,计算机技术、人工智能及网络技术的发展,也推动实木板材缺陷以及纹理的识别从最初的人工识别转向机器识别,人工智能的引入对木材加工企业的转型升级、向智能制造发展具有重要意义。基于此,本文对实木板材的缺陷、纹理等特征的检测及分类问题进行了研究,设计了基于图像处理的实木板材无损检测专家系统,应用图像处理以及深度学习等技术帮助木材加工企业快速高效地进行木材品质分等。主要研究内容如下:(1)通过调研,分析了木材加工企业的相关需求,设计了实木板材无损检测专家系统的总体框架结构,依据实木板材缺陷和纹理的形成原因和特点,对实木板材的等级进行划分,建立了实木板材等级划分的知识库。(2)建立了实木板材缺陷等级划分的推理机制,利用卷积神经网络((Convolutional Neural Network,CNN))优良的特征提取能力对实木板材缺陷轮廓进行提取,结合极限学习机的分类能力,采用相应的算法对其进行优化,设计了基于深度结构下的极限学习机分类器,以实现对实木板材缺陷的提取和分类,并对算法的性能进行了分析对比。(3)建立了实木板材纹理类型判别的推理机制,利用局部二值化模式对木材样本进行图像处理,构建自学习的深度置信网络(Deep Belief Networks,DBNs),实现纹理特征的判别,并通过与其他算法的对比进行性能验证。(4)通过应用Visual Studio 2017和SQL Server 2012等软件工具,以及TensorFlow1.5.0深度学习框架,开发了无损检测专家系统。介绍了各功能模块以及系统运行情况,将图像处理技术融入到专家系统中,具有良好的人机交互性。