1) 相机、光源等系统的选型、测试；

根据现场需求对光源、相机、镜头等设备记性参数基于与选型。

2) 现场图片的采集、拼接；

对现场采集到的每帧图片进行拼接以得到完整的一个木材样本的图片进而为后期的缺陷检测与尺寸测量做准备。

3) 尺寸的测量；

除缺陷外，本系统也能够测量出木材的长、宽、高等尺寸信息。由于生产线是抖动的，以及由一张张局部照片拼接出来的一完整木材照片会出现重叠和错误，因此此种情况之下如何精确地测量出木材的尺寸信息具有挑战性也非常关键。最终本项提出了一组完整的、高效的测量算法，并成功申请了专利并获得授权。

4) 缺陷的检测；

由于木材颜色的多变性、纹理的复杂性等原因，要精确、高效识别出缺陷有较大挑战。本项目采用深度学习技术，基于最新的目标检测方法，改进、设计了新的网络结构，最终设计出了高精度缺陷识别方案。

5) 通信程序设计；

缺陷识别计算机与生产线控制PLC系统之间的通信程序设计。

6) 数据库系统设计；

每根木材的尺寸、缺陷等信息都存储数据库系统。

缺陷相关指标：

      缺陷识别率：95%；   缺陷定位精度：2mm；  最小缺陷尺寸：5mm；

尺寸测量指标：

      长度方向精度：±0.5mm；  宽度方向精度： ±1mm；