烟草是一种重要的经济作物,是卷烟产品的基础,在很多国家和地区,烟草工业中在整个国民经济中都有着举足轻重的地位,必需要有科学合理的烟叶判定标准和准确的分级鉴定才能提高烟草产品的质量。我国烟叶分级仍然是根据感官经验,没有具体的量化指标,依赖于受过特殊训练的分级专家的感官经验进行划分。随着智能分级技术的发展,目前多采用人工神经网络、模式识别等对烟叶样本图像进行自动分级,但分类的精度不很理想。本文针对现有分级方法存在的效率低下、准确度较低等缺点,将计算机图像处理技术和支持向量机方法相结合的方法引入到烤烟烟叶自动分级中。本文主要进行了以下三方面的工作：1.讨论研究了数字图像处理技术,充分利用数字图像处理技术对烟叶图像进行处理。根据采集的烟叶样本的特点,提出一种适合烟叶图像分割的方法；介绍了彩色图像平滑的方法,采用了一种改进的矢量中值滤波的算法来对烟叶图像进行滤波：针对经典算子边缘检测的不足,提出了一种基于数学形态学和LOG算子相结合的边缘检测方法。为后续烟叶特征参数提取打下了坚实的基础。2.根据烟叶分级标准选取合适的烟叶特征参数作为SVM分级判断的依据。选用了接近人类视觉的HIS颜色模型,提取了烟叶的色调、饱和度和亮度均值作为烟叶的颜色特征参数；采用最小二乘椭圆拟合的方法提取了烟叶的长度、宽度、长宽比、面积、周长和破损度作为烟叶的形状特征参数,由于烟叶纹理表征了烟叶的油分等指标,通过Gabor纹理分析方法提取了烟叶纹理参数。3.考虑到烟叶特征参数的非线性,根据所需特征参数的分布情况,选用支持向量机算法建立烟叶分级的模型,通过仿真实验得出基于SVM的烟叶类型识别技术的有效性和可行性。最后与基于BP神经网络的烟叶分级模型进行比较,显示SVM用于烟叶分级领域的优越性。研究表明本文的方法相比于人工分级识别率有一定的提高,相比于测定化学成分或者光谱的分级,此方法是一种无损检测,且成本较低,在烟叶的实际收购中有较强的实用性,尤其是大规模的烟叶收购,可以明显提高速度,分级结果更加准确和客观。