烟草,作为我国最重要的经济作物之一,烤后烟叶质量是整个烟草行业的命脉所在,直接影响着卷烟质量、烟农收入和社会效益。鲜烟叶作为烤后烟叶的基础,其素质直接关系到烤后烟叶的质量,而影响鲜烟素质的主要因素包括鲜烟叶成熟度、水分含量及色素含量等。目前,鲜烟叶成熟度、水分含量及色素含量多依靠传统人工判别和检测为主,缺乏客观定量评判标准,而且实验耗时长、损坏样本。因此,提出一种快速无损的鲜烟叶成熟度、水分含量及色素含量检测方法具有重要意义。本文以贵州省天柱县、息烽县、安龙县、道真县和威宁县的云烟87中部鲜烟叶为研究对象,首先利用自主搭建的高光谱图像信息采集系统,在自然光照条件下,拍摄鲜烟叶高光谱图像,专家判断其成熟度,然后通过实验测定鲜烟叶的水分含量和色素含量,最后分析鲜烟叶高光谱特征与其成熟度、水分含量和色素含量的关系,分别建立了基于高光谱技术的鲜烟叶成熟度判别模型和水分含量、色素含量预测模型。主要研究内容及结果如下:（1）建立了基于高光谱图像技术的鲜烟叶成熟度判别模型。鲜烟叶成熟度不同,其理化特性和光谱特性也不同,引入了6个光谱指数SIS（m NDVI、SIPI、VOG3、PSRI、CRI2、WRI）和构建了4个可见光光谱参数VLS（I1、I2、I3、I4）,结合偏最小二乘判别分析法,建立了基于SIS和VLS的鲜烟叶成熟度判别模型。通过比较分析,得出采用VLS结合偏最小二乘判别分析法建立的鲜烟叶成熟度判别模型（VLS-PLS-DA）效果较好,建模集判别准确率达到99.11%,预测集达到98.96%。（2）建立了基于高光谱图像技术的鲜烟叶水分含量预测模型。先采用多元散射校正、归一化、Savitzky-Golay卷积平滑和直接差分一阶导数等10种预处理方法对鲜烟叶高光谱数据进行预处理,然后再利用主成分分析结合马氏距离法（PCA-MD）来剔除异常样本,最后使用偏最小二乘法建立了鲜烟叶水分含量模型。经过对比分析,最终优选出Savitzky-Golay卷积平滑法进行预处理,建立的鲜烟叶水分含量预测模型（SG-PCA-DA-PLS）效果最佳,该模型剔除异常样本个数为3,校正集CR=0.8569、RMSEC=1.2115,验证集RCV=0.8527、RMSECV=1.3766,模型精度良好,可以预测鲜烟叶水分含量。（3）建立了基于高光谱图像技术的鲜烟叶色素含量预测模型。对高光谱数据进行预处理后,采用连续投影变换法提取特征敏感波段,输入BP神经网络模型,对鲜烟叶色素含量进行预测建模。结果表明,利用标准正态变量法进行预处理后,采用连续投影变换法选取特征敏感波段,建立的鲜烟叶叶绿素a含量预测模型（SNV-SPA-BP）精度最高(CR2=0.882、RMSEC=0.190、R2CV=0.863、RMSECV=0.203);利用Savitzky-Golay卷积平滑二阶导数法进行预处理后,采用连续投影变换法选取特征敏感波段,建立的鲜烟叶叶绿素b含量预测模型（SG2-SPA-BP）精度最高(CR2=0.892、RMSEC=0.073、R2CV=0.871、RMSECV=0.100);利用Savitzky-Golay卷积平滑法进行预处理建立预处理后,采用连续投影变换法选取特征敏感波段,建立的鲜烟叶类胡萝卜素含量预测模型（SG-SPA-BP）精度最高(CR2=0.845、RMSEC=0.042、R2CV=0.833、RMSECV=0.207)。