컴퓨터 이미지 분석 기술을 이용한 목재 표면 화상 분석은 목재 품질의 객관적인 평가와 이를 통한 목재 생산의 고속화를 위해 필요하다. 인공지능을 활용한 딥러닝(Deep Learning) 기술은 높은 정확도와 빠른 속도로 이미지 화상 분석 분야에서 높은 활용도를 보여주고 있다. 본 연구에서는 여러 딥러닝 기술 중 이미지 구획화에서 활용되는 합성곱 신경망(Convolutional Neural Network, CNN)을 이용하여 잣나무재 표면 옹이를 구획화하고, 그 종류를 분류하였다. 잣나무 각재에서 획득한 128개의 제재목 사진을 사용하였고, 이들 제재목 사진에서 추출한 227개의 옹이 이미지를 4가지 종류로 분류하였다. VGG Image Annotator를 이용하여 옹이의 위치와 종류에 대한 데이터베이스를 만들고, 이를 통해 제재목 표면의 옹이를 구획화하여 표시하고, 종류를 분류하는 알고리즘 모델 학습을 진행하였다. 또한, 색상으로 인한 분류 오차가 생길 수 있다고 판단하여 흑백으로 변환한 잣나무재 이미지에서도 옹이 구획화 및 분류를 진행하였다. 잣나무재 표면 옹이 구획화 및 분류 학습을 진행한 결과 옹이의 종류나 크기 등의 변수가 존재함에도 높은 정확도로 목재 표면 옹이를 탐지할 수 있었고, 옹이 종류 분류에서도 준수한 정확도를 보여주었다. 그리고 RGB 이미지보다 흑백으로 변환한 이미지를 분류할 때 조금 더 높은 정확도를 보였는데, 이를 통해 이미지 분류에서 색상으로 인한 변수가 존재함을 추론할 수 있었다. 옹이 종류에 따라 이미지 개수의 현저한 격차가 존재하여 분류 학습에 어려움이 있었는데, 이미지 개수가 적은 희귀 종류 옹이를 추가로 학습시킨다면 더 높은 정확도를 얻을 수 있을 것으로 기대된다.