在茶叶的销售过程中,部分不法商贩为了牟取暴利常用低价茶叶来冒充高价茶叶或是向高价茶叶中掺入外观接近的其他品种茶叶,普通消费者仅凭肉眼难以判断茶叶的真实品种。传统的茶叶品种鉴别方法主要包括感官判别法与化学分析法。感官判别法依赖主观经验,缺乏客观性,而化学分析法虽然精确可靠,但会对样品造成破坏且操作过程费时费力。近年来,光谱无损检测技术在茶叶品种分类研究中被广泛运用,但是该技术使用点光源采样,导致检测效果易受采样位置的影响。而高光谱图像技术通过对整个样品进行采样,能采集到更全面的样本信息,从而有效地弥补了光谱技术的缺陷。本文利用高光谱图像技术分别对五个乌龙茶的品种和铁观音茶叶掺假程度进行分类检测,并设计了茶叶品种分类及掺假程度检测系统。本文的主要内容和结论如下:(1)基于高光谱图像技术对五种乌龙茶(铁观音、金观音、本山、黄金桂、毛蟹)进行分类研究。利用高光谱成像系统获取五种茶叶的高光谱图像后,提取原始光谱数据并剔除其首尾部分冗余波段。利用多元散射校正(MSC)对光谱数据进行预处理,并分别采用竞争性自适应重加权采样(CARS)和自助软收缩法(BOSS)选择特征波长。基于以上特征数据,分别建立极端梯度提升树(XGBoost)和轻量级梯度提升机(LightGBM)模型,并结合网格搜索(GS)对模型参数进行寻优。试验结果表明,BOSS-GS-LightGBM模型具有最佳的分类效果,训练集和测试集准确率分别为100%和97.33%。(2)基于高光谱图像技术对铁观音茶叶掺假程度进行检测研究。比较了不同品种茶叶的经济价值差距、外观差异以及数据可分性后,本研究选择本山茶作为铁观音茶叶的“掺假物”。将铁观音茶叶与本山茶叶按不同比例混合,采集其高光谱图像。从高光谱图像中提取原始光谱数据并剔除首尾部分光谱数据后,选择MSC算法对光谱数据进行预处理,并分别利用迭代保留信息变量法(IRIV)和BOSS算法选择特征波长。为了获得最佳模型参数,分别利用GS算法和遗传算法(GA)对XGBoost和LightGBM模型的参数进行寻优。最终结果表明,BOSS-GA-LightGBM模型具有最佳的分类效果,其训练集与测试集的精度分别为100%和91.82%。因此,利用高光谱图像技术结合BOSS-GA-LightGBM模型对铁观音茶叶的掺假程度进行检测是可行的。(3)完成了茶叶品种分类及掺假程度检测系统的设计。该系统包括乌龙茶品种鉴别以及铁观音茶叶掺假程度检测两部分,可实现数据的导入、处理、查询、导出等功能。系统设计完成后,使用20个不同品种的茶叶样本数据和33个不同掺假程度的铁观音茶叶样本数据对该系统的检测效果进行验证,正确率分别为95%和90.91%,表明该系统能够有效地对乌龙茶品种以及铁观音茶叶掺假程度进行检测。本文采用高光谱图像技术准确区分了不同品种的乌龙茶,对铁观音茶叶的掺假程度也实现了有效的检测,最终完成了相关检测系统的设计。以上研究不仅为其它茶叶的品种分类与掺假检测提供了方法依据,也为研制无损、精确的检测仪器奠定了基础。