茶作为世界三大饮料之一,茶叶的种类与等级对茶口感的影响巨大。传统的茶叶品质判别主要依靠感官评审与理化分析结合的方法,耗时耗力。因此,研究一种快速茶叶品质鉴别的方法意义重大。本文研究内容主要包括两部分,首先以蒙顶黄芽、竹叶青、甘露茶叶为实验对象,通过高光谱成像系统分别获取其高光谱图像。从经过预处理后的高光谱图像分别提取图像特征与光谱特征,并依次建立基于光谱特征的茶叶品种判别模型1、基于图像特征茶叶品种判别模型2、基于光谱-图像融合特征茶叶品种判别模型3。SPA算法被用于筛选特征变量与消除数据冗余。实验结果显示模型1采用全光谱特征结合SVM能够对不同品种茶叶判别准确率达到100%;模型2基于特征灰度图的GLCM纹理特征结合SVM模型,对不同品种茶叶判别准确率达到100%。SPA算法可从原始72个图像特征中筛选出10特征变量,从319个光谱特征中选取26个特征。模型3讨论了不同预处理方法对分类准确度的影响,确定Minmax为最佳预处理方式,在测试集中得到100%的分类准确度。在确定高光谱图像的光谱信息与图像信息能够进行茶叶品种判别后,进一步探究了其进行茶叶等级判别的可行性。得到基于光谱特征的最优茶叶内部品质等级判别模型在测试集中达到93.33%的分级准确度;基于GLCM纹理特征的最优茶叶外部品质等级判别模型测试集准确度最高仅为86.67%。为充分挖掘图像维的纹理信息,采用基于小波变换的灰度共生矩阵纹理特征(WT-GLCM)作为新的纹理特征,得到的最优茶叶等级判别模型准确度为88.33%。采用融合特征进行茶叶等级判别的研究中,通过比较原始融合特征-SVM,SPA筛选特征-SVM,PCA筛选特征-SVM三个模型的分级准确度,确定基于PCA筛选特征-SVM为最优茶叶分级模型,达到分级准确率为96.67%,建模时间仅为0.77s。