钟丽辉，孙永科，苗 晟，戴正权

（西南林业大学 大数据与智能工程学院，云南 昆明 650224）

木材表面缺陷，如节子、虫眼或裂纹等的存在，严重影响了木材的质量，进而影响木材的加工方法和生产工艺。目前，国内木材表面缺陷检测最常用的方法是人工检测，该方法主要取决于木材方面的专业人士的专业知识和积累的经验，其具有主观性及工作时间长因疲劳导致误判等局限性，所以木材自动化生产过程需对木材表面缺陷进行智能识别。根据缺陷识别的效果调整加工方法和加工工艺，提高木材的利用率和商品价值[1]。近年来，木材表面缺陷分割的方法众多，各有特点。传统的方法主要有边缘检测的分割方法、区域的分割方法、阈值的分割方法和分水岭的分割方法；现代的方法有基于分形理论的分割方法、基于颜色特征的分割方法、基于Gabor变换的图像分割、基于机器视觉的分割方法和基于深度学习的分割方法[2-5]。不过目前木材加工厂的木材缺陷检测方法依旧停留在人工检测方法上，自动化的木材生产加工急需智能的木材表面缺陷的分割方法。本文采用自适应阈值分割和形态学的方法对木材表面缺陷进行提取，主要实现死节和活节的提取。

1 算法

1.1 自适应阈值分割

对于木材表面缺陷图像f（x，y），缺陷目标和正常的板材背景的分割阈值记作T，属于缺陷的像素点数占整幅图像的比例记为w0，其平均灰度为μ0。正常板材背景像素点数占整幅图像的比例为w1，其平均灰度为μ1。……