作为工业智能制造的“智慧之眼”，机器视觉赋予了机器类人的能力，通过光学器件（如镜头、工业相机）的非接触式感知，自动接收真实场景中的图像并深入分析，以实现人类视觉和理解的功能，高效地完成各项作业。机器视觉在木制品智能制造中的应用逐渐拓展，从木材识别、分类到缺陷检测与质量监控，木制品行业正朝着自动化的目标稳步前进，极大提高了木制品制造的智能化水平。
一、木材树种识别
传统木材树种识别和鉴定依靠专业技术人员通过显微镜等设备观察木材的宏/微观构造特征来确定木材的种属，这种方法需要丰富的经验和大量的知识储备。利用机器视觉技术可实现对木材宏/微观特征的自主学习，通过算法对这些特征的定量分析，即可快速实现木材树种的自动检测与识别。图1所示为人工识别与机器视觉提取的木材特征对比。
图1 人类视觉观察与机器视觉提取的木材特征
目前国内外许多木材学专家学者已经逐步开始这项工作，如Ravindran等构建的楝科10种木材包含2303张木材构造图像的数据集，HE等从全球4个木材标本馆构建了黄檀属和紫檀属26种木材共10237张木材构造图像的数据集，这些高分辨率与低噪声的图像为深度学习模型构建奠定了基础。
在人工智能新型机器学习模型下，深度学习的研究为木材精确识别提供了技术基础，利用机器视觉可实现木材树种的快速准确鉴定，同时也将推动木材科学尤其是木材信息学的发展。
二、原木检尺与锯材分等
利用机器视觉对图像中原木直径、尖削度和锯材尺寸、缺陷、髓心位置等信息的分析处理，可以快速实现原木检尺和锯材分等，节省加工成本，提高出材率。通过机器视觉在不卸货的情况下对密集木材进行原位实时检尺，木材真检率达97.99%；Thomas和HU等分别通过机器视觉对板材表面特征（缺陷、尺寸等）的学习，快速导出板材下锯的位置、尺寸等信息，从而对板材进行实时快速锯裁，不仅能保证锯材的加工精度，还提高下锯和分等的效率。Bhandarkar等将机器视觉与计算机断层扫描技术相结合，对原木的尺寸、髓心、缺陷等特征进行检测、分类、定位，并将这些信息整合进行3D建模（图2），通过在线对原木的虚拟下锯，来实现板材的自动、高效、优化生产。机器视觉在原木检尺和锯材分等中的应用，将大幅提升木材的利用率，有效节约林木资源，降低能源消耗。
图2 机器视觉对原木特征识别及其三维重建
三、木制品表面缺陷检测
机器视觉在木制品表面缺陷检测中的应用较为广泛，从不同理论算法模型到缺陷图像分割方法和缺陷分类，机器视觉都体现出传统方法无可比拟的优越性。白雪冰等先后采用三种改进算法模型：改进的C-V模型、梯度矢量流Snake模型（Gradient Vector Flow，GVF Snake）以及测地线活动轮廓模型（Geodesic Active Contour，GAC）对木材表面虫眼、活节和死节等三种缺陷图像进行分割，从算法的复杂程度、分割时间、分割结果的完整性以及抗噪性等方面对比分析，结果显示不同模型对特定缺陷有不同的识别和分割效率，这为木材表面缺陷的高效分级处理奠定理论基础。
目前，机器视觉在木制品表面的缺陷检测与分等中已广泛应用，不仅大幅提高了检测精确性，还具有较好的鲁棒性与实用性，如快速阈值分割算法可以自适应地确定分割阈值个数，即使板面缺陷数量、类型不固定的情况下，15ms内便能够对五种人造板典型缺陷分割出来且准确率高达97%。随着深度学习技术的成熟，基于深度学习的自动表面检测方法也对未来实现缺陷的实时定位及其尺寸选择过程的自动化奠定了基础；深度学习与非线性支持向量机的结合对缺陷检测结果的可视化与实用推广性提供了条件。此外，HE等利用深度卷积神经网络对木材表面缺陷进行检测和自动分等，如图3所示，通过对这种算法的训练、学习和测试，检测系统的准确率可达99.13%，且能保持较高的检测效率。
图3 机器视觉检测锯材缺陷
总体来说，检测算法不断涌现，可识别的缺陷种类越来越多，准确性越来越高，但研究更具鲁棒性以应对外界环境干扰、兼顾准确性与实时性的检测系统是当下需突破的技术难题。
四、木制品表面颜色分析
利用机器视觉对木制品表面颜色进行分析和评价，可以有效避免人工误差，并有利于木制品分等效率和质量控制的提高，进而促进木制品企业经济效益的增长。李超等利用机器视觉设计了一套实木表面智能分选系统，通过对实木表面颜色低阶矩阵特征值的计算分析，该系统对实木表面颜色的分类准确率可达100%。王锦亚等基于机器视觉对实木地板进行在线分色，研究了不同算法对实木地板不同颜色的识别效率和准确率，为实木地板颜色在线智能分选提供借鉴。刘红等将机器视觉应用于竹片颜色自动分选系统，通过机器视觉对竹片颜色特征的分析、处理和提取，结合模式识别算法进行分选系统设计，最终实现了对竹片的快速分拣。
五、木制品涂饰与智能控制
机器视觉在木材工业领域的应用除了以上几种常见的情形外，在家具零部件精度检测、竹制品尺寸测量、木制品智能控制和自动化涂装等领域也有应用，如机器视觉通过学习室内陈设和家具形状尺寸等信息，可以帮用户快速找到符合当前室内环境的装修产品，甚至可以向用户推荐配色、风格、材质符合要求的家具。另外，将机器视觉应用于家具涂装过程，不仅可以避免涂料对人体的危害，同时通过机器视觉的精准和可重复定位，控制家具的涂饰质量，减少涂料的浪费。
在智能制造快速发展背景下，自动化加工的高端生产线已逐步开始使用，随着机器视觉与DL技术在生产中的应用愈加成熟，基于DL的智能制造机器人为实际生产问题提供了新的解决方案，从图像中提取多层次的特征，显著提高了机器人对场景的检测准确性；此外，DL的迁移学习研究也极大增强对场景的适应能力。目前，基于DL的AI视觉机器人已广泛应用于智能制造领域。
机器视觉为木制品质量在线、实时、精准检测与控制技术的发展提供契机，更为木制品智能化和人性化的人机交互设计带来无限创造空间。未来机器视觉在木制品中的应用将主要在算法、技术、加工、产品交互4个方面得到快速发展：
1）随着加工精度和产品结构要求的提高，机器视觉的核心算法需要不断迭代完善，要提高运算速度，同时还要保证视觉精度和准确率。
2）将机器视觉与其他先进制造技术联合，建立高效完善的木制品加工和质量检测系统。如提高检测系统的热成像速度，加快木制品缺陷等特征的实时在线检测进程，再结合计算机断层扫描技术，对木制品整体特征进行快速三维建模，通过在线虚拟操作完成木制品质量检验和控制。
3）传统木制品加工行业属于劳动密集型，随着劳动成本的提升和机器视觉技术的日益完善，以机器视觉为核心的智能制造设备将不断被引入到木制品加工、喷涂、组装、包装、质量检测等工艺过程中，在生产车间物流、成组工艺等方面降低劳动力成本，实现数字化设计、管理系统与设备一体化的智能制造模式。
4）将机器视觉与木制品相结合，赋予木制品一定的智能响应性，老年人可以通过与木制品的交互活动，来满足自己的活动需求，以此提高老年人的居家生活质量。
*内容摘自《木材科学与技术期刊》*