随着图像处理、人工智能等技术的发展，智能制造已成为当前追逐的热点。如今人们的生活质量大幅提高，对家居舒适要求也越来越高，尤其是木质家具的外观要求更加多样性。为了满足家具定制的个性化选择，工厂需要根据木板表面特性进行等级分类，并利用同类木板进行加工制造，从而满足消费者需求。在这种局面下，传统的人工手段无法适应智能家居行业的飞速发展。有鉴于此，本文针对算力的不同，提出了三种基于图像的木板识别方法。在低算力条件下，本文针对实际木板纹理的特点，采用了基于灰度共生矩阵（Gray-Level Co-occurrence Matrix）的纹理特征提取方法，并利用该特征实现了基于马氏距离（Mahalanobis Distance）和支持向量机（Support Vector Machine）的木板识别；在高算力条件下，结合木板图像识别精度的实际需求，设计了一种高精度木板识别的卷积神经网络（Convolutional Neural Networks）。
