茶作为世界上最流行的饮品之一,品质越来越受到重视,茶叶的品种与等级对茶叶的品质有巨大影响。传统的鉴别方法是感官评价法和化学试验法,这些方法消耗时间和破坏性大。近年来,传统光谱技术已广泛用于茶产品的无损检测领域,但缺少空间信息。然而高光谱图像技术同时包含光谱特征和图像特征,通过充分挖掘内外品质特征,实现快速、无损的检测。本文利用高光谱技术分别对茶叶的品种和等级进行分类研究。本文的主要内容和结论如下:1.基于高光谱成像技术对五种不同发酵程度的中国茶（红茶、白茶、绿茶、黑茶和乌龙茶）进行分类研究。通过高光谱成像系统采集五种茶叶高光谱图像,提取原始光谱数据并剔除首尾含有噪声的波段,利用SG平滑滤波（SavitzkyGolay Filtering,SG）和标准正交变换（Standard Normal Variate,SNV）对光谱数据进行预处理,从预处理的高光谱图像中分别提取光谱特征和纹理特征,基于光谱特征、纹理特征和融合特征建立支持向量机（Support Vector Machine,SVM）、线性判别分析（Linear discriminant analysis,LDA）和极限学习机（Extreme Learning Machine,ELM）识别模型,实验结果表明,基于数据融合的SVM模型具有最佳的分类效果,预测集的准确率为96.25%。2.为进一步探究茶叶等级识别的可行性,以祁门红茶作为研究对象,首先应用高光谱成像技术提取祁门红茶6个等级的光谱特征,然后利用主成分分析（Principal Component Analysis,PCA）、多维尺度变换（Multi-Dimensional Scaling,MDS）、t分布随机邻域嵌入（t-Distributed Stochastic Neighbour Embedding,t-SNE）和Sammon非线性映射对高光谱数据进行可视化处理,最后利用SVM和ELM建立分类模型来鉴定祁门红茶的不同等级并通过SVM和ELM分类模型对高光谱图像每个像素点进行识别,得到预测图。实验结果显示,t-SNE可以将6个等级的祁门红茶分在六个不同的簇,SVM和ELM的预测集准确率分别为100%和96.35%。3.应用灰度共生矩阵（Gray-Level Co-occurrence Matrix,GLCM）从高光谱图像中提取纹理特征,基于纹理特征和融合光谱纹理特征分别建立祁门红茶的6个等级的SVM和ELM模型。实验结果表明,相比于单一特征的模型,融合光谱和纹理特征的模型识别效果最好,SVM和ELM模型的预测集准确率分别为100%和98.96%。