作为茶叶生产和消费大国,无论从满足消费者需要还是从企业长远发展的角度来看,对于茶叶品质方面的把控尤为重要。目前,对于茶叶品质高低的判别,茶叶界一般采用感官审评、理化指标、机械分级等检测方法进行等级的品评。根据茶叶分级标准,外观感官品质特征是最直接的一种分级检测参考方向。鉴于现阶段,人工检测是最普遍的一种感官检测方法,但人工检测主观性强,对专业审评师要求高,分级程序复杂;理化识别需要破坏茶叶外形,而且多用于茶叶内含物质的化学实验研究;而机械分级多用于采摘阶段,对茶鲜叶原料进行分级;当然,也有新技术引用到茶叶品质审评中,例如:电子鼻、电子舌、荧光光谱评价技术等;对于新技术在茶叶外观审评中的运用,虽然能弥补感官审评及理化检测方法存在的不足,但多集中在对茶叶的种类鉴别、内部化学成分含量分析及对茶叶单一的视觉特征进行品质审评,分类结果不够准确。为此,针对目前人工对茶叶分级的主观性、流水线工作中机械对茶叶损伤的缺陷性及目前外观分级方法单一的片面性等分级精度不高的问题,提出了一种基于证据理论的多特征融合茶叶分级方法。本文以四川宜宾雀舌样本为研究对象,进行了以下工作:(1)选型实验硬件设备,搭建实验样本采集平台,并对采集图像进行数据预处理;(2)为提高分级检测的准确性避免单一特征分级的片面性,基于计算机视觉技术对茶叶的颜色、形状,并结合杂质特征进行特征分析及其研究特征提取的相关算法;采用颜色矩作为茶叶的颜色特征;提取图像的7个不变矩作为形状特征参数;对于茶叶杂质检测,则使用改进的霍夫变换的算法来检测茶叶的杂质特征;(3)为了避免茶叶检测过程中因多种数据特征融合所导致的运算量过大问题,运用主成分分析法(principal component analysis,PCA)进行降维并确定贡献率多的特征参数。结合提取的茶叶特征,运用支持向量机(support vector machine,SVM)对茶叶进行单一特征初步分级,并引入多特征融合思想,将支持向量机输出的初步单一特征分级结果作为证据,并利用在不确定性和特征组合方面的能力和优势的D-S理论,对茶叶进行最终的分级,获得茶叶多特征融合分级结果;通过仿真对比,SVM单一特征分级结果准确率为82%-86%、SVM多特征分级结果准确率为93%左右,而以SVM单一特征分级结果作为证据采用D-S证据理论获得的多特征融合分级准确率为96%以上,实验表明引入证据理论的多特征融合茶叶分级方法,进一步提高了茶叶品质分级检测的可靠性和分级正确率,是一种有效的茶叶自动分级方法,从而为茶叶的无损、高效、智能化奠定了基础,使研究的成果具有产业化的意义。